Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
14
Rozdział1Czymjestuczeniemaszynowe?
◆członkostwowpartiachpolitycznych(liberał,republikanin,niezrzeszony),
◆statusklienta(obecnyklient,dawnyklient,potencjalnyklient).
Naprzykład,wewcześniejszejczęścitegorozdziałuopisanazostałasytuacja,gdy
menedżerowiesalonusamochodowegochcąprzewidywaćspłatękredytu.Jesttoprzy-
kładproblemuklasyfikacji,ponieważpróbujemyprzypisaćkażdegoklientadojednej
zdwóchkategorii:kredytspłaconyikredytniespłacony.
Wrealnymświecienapotykamywieleróżnychtypówproblemówklasyfikacji.
Naprzykład,gdypróbujemyustalić,któraztrzechofertpromocyjnychbędzienaj-
bardziejatrakcyjnadlapotencjalnegoklienta.Jesttoproblemklasyfikacji,wktórym
kategoriamisątrzyróżneoferty.
Innyprzykładtosytuacja,gdyobserwujemypróbylogowaniawsystemieinforma-
tycznymiusiłujemyprzewidzieć,czyinicjująjeosobybędąceuprawnionymiużytkow-
nikamiczyhakerami,którzypróbująprzełamaćzabezpieczeniasystemu.Torównież
jestproblemklasyfikacji,wktórympróbujemyprzypisaćkażdąpróbęlogowaniadoka-
tegorii„uprawnionyużytkownik”lub„haker”.
Technikiregresji
Technikiregresjiużywajątechniknadzorowanegouczeniamaszynowegodoprzewidy-
waniaodpowiedziciągłych.Wuproszczeniuoznaczato,żedanymiwyjściowymimodelu
sąwartościliczbowe.Zamiastprzewidywaćprzynależnośćdodyskretnegozbioruka-
tegorii,przewidywanajestwartośćzmiennejliczbowej.
Naprzykład,doradcyfinansowemuszukającemunowychklientówmogłabyprzydać
sięmożliwośćwybieraniaklientównapodstawieichdochodu.Jeślidoradcadysponuje
listąpotencjalnychklientów,któraniestetyniezawierajawnieokreślonegodochodu,
możeużyćbazydanychdotychczasowychklientówoznanychdochodachdotreno-
waniamodeluregresji,któryprzewidujedochódpotencjalnychklientów.Tenmodel
mógłbywyglądaćnastępująco:
Dochód=5000+1000∙wiek+3000∙lataEdukacjiWyższej
Następnie,gdydoradcafinansowyznajdzienowegopotencjalnegoklienta,możeużyć
tegowzorudoprzewidywaniajegodochoduwoparciuowiekilataedukacji.Nakażdy
dodatkowyrokwwiekupotencjalnegoklientaprzewidywanybyłbydodatkowy1000$
dochodu.Natomiastkażdyrokedukacjiwyższejzwiększałbyprzewidywanydochód
o3000$.
Modeleregresjisądośćelastyczne.Możnawstawićdowolnewartościwiekuoraz
edukacji,abyotrzymaćprzewidywaniadotyczącedochodupotencjalnegoklienta.
Oczywiście,jeślibrakowałodobrychdanychtreningowych,predykcjemogąbyćnie-
dokładne.Możesięrównieżokazać,żerelacjimiędzyzmiennyminiemożnaodzwier-
ciedlićzapomocąprostejtechnikiliniowej.Naprzykładdochódprawdopodobnie