Разрабатывая алгоритмы машинного обучения (ML) в производственной среде, мы обычно оптимизируем функцию или потерю, которая не имеет ничего общего с нашими бизнес-целями. Обычно мы заботимся о таких показателях, как CTR или разнообразие или доход от рекламы , но наши алгоритмы машинного обучения часто минимизируют потерю журнала Или среднеквадратичная ошибка (RMSE) произвольных величин для упрощения вычислений. Часто можно увидеть, что эти метрики машинного обучения не..

В предыдущем сообщении блога мы обсудили и обосновали необходимость причинного подхода к обучению с подкреплением. Мы утверждали, что обучение с подкреплением естественным образом попадает на интервенционную ступень лестницы причинно-следственной связи. В этом сообщении блога мы разработаем некоторые идеи, необходимые для понимания материала, рассматриваемого в этой серии. Это может быть довольно техническим, но не волнуйтесь. Всегда есть что взять с собой. Давайте начнем. Эта..

Первоначально опубликовано на https://iyarlin.github.io 21 января 2020 г. В предыдущем посте мы видели, что одно из основных отличий между классическим ML и Causal Inference — это дополнительный шаг использования правильного набора настроек для функций предиктора. Чтобы найти правильный набор настроек, нам нужен DAG, который представляет отношения между всеми функциями, относящимися к нашей проблеме. Одним из способов получения DAG является консультация экспертов в предметной..

Причинный вывод Посредничество Это пятнадцатый пост из серии, в которой мы прорабатываем Причинный вывод в статистике - хороший учебник, соавтором которого является сам Judea Pearl . Вы можете найти предыдущий пост здесь и весь соответствующий код Python в сопутствующем репозитории GitHub: DataForScience / Причинность Как причины приводят к следствиям? Можете ли вы связать причину, приведшую к наблюдаемому результату? Большие данные..

Я провел небольшое исследование и пришел к вам с несколькими книгами, которые, как я обнаружил, могут быть полезны для понимания причинно-следственной связи. Первой вводной книгой будет: «Введение в статистическое обучение». Это дополнение к МООК из Стэнфорда, которое предлагает его на своей платформе «лагунита» вместе с бесплатным сертификатом: Введение в статистическое обучение Бесплатная книга в формате PDF Статистическое обучение МООК на тему лагунита » Обзор Террана..

Netflix A / B-тестирование (иначе, почему проведение идеального рандомизированного контролируемого эксперимента может быть несбыточной мечтой) Меня сильно вдохновила статья Технологического блога Netflix о том, как они проводят A / B-тесты для эскизов фильмов / сериалов - настраивая эскизы в соответствии с демографическими данными / предпочтениями пользователя, чтобы повысить их вероятность. смотрю шоу. В нем очень подробно рассматривается план эксперимента, но одно из самых..