За бизнеса, въпреки че е важно да има точен модел, интерпретируемият модел е също толкова важен. Тъй като освен че искаме да знаем каква е прогнозата на нашия модел, ние също се чудим защо е толкова висока/ниска и кои характеристики са най-важни при определянето на прогнозата. (Повечето алгоритми за машинно обучение произвеждат променлива важност като част от техния модел. Моделът се оценява с помощта на матрица на объркване и има различни показатели като точност, прецизност, припомняне и F1 резултат. Всеки един придобива известност пред другия в зависимост от бизнес обстоятелствата)

Тъй като при много проблеми от реалния живот предоставянето на алгоритъм за класификация с добра точност не е достатъчно добро, има нужда да се посочат областите на действие (с приоритет!), върху които бизнесът трябва да се съсредоточи. Пример може да бъде предсказването на оттеглянето на клиентите — много е хубаво да имаме модел, който успешно предсказва кои клиенти/служители са склонни към оттегляне, но идентифицирането на кои променливи са важни може да ни помогне в ранното откриване и може би дори да подобрим продукта/услугата!

През последните 15 години от моята работа, получавам значението на променливите, използвайки много методи, от посочените методи (рейтинг, класиране… и т.н.) до производни методи като регресия; напоследък използваме методи за машинно обучение като дървета на решенията, невронни мрежи, произволна гора… и т.н. Много пъти съм използвал компромисни помощни програми (максимални различни резултати/съединени), както и за „важност“.

Независимо от начина, по който получавам променливата важност, за да направя тези констатации приложими, обичам да се връщам към този много стар и често използван подход — диаграми на ефективността на важността. Вие добавяте друго измерение тук, което е „производителност“. Просто 2 по 2 с 4 квадранта (както е илюстрирано по-долу)

Този квадрант ще покаже визуално на маркетолозите къде трябва да съсредоточат усилията си, да планират маркетинговите си дейности. Освен това бихте коригирали „лошото“ представяне, отстъпили, ако представянето ви е било „прекалено“, и бихте могли да игнорирате елементи с нисък приоритет.

Казус от практиката

Цел:

Една от водещите марки шампоани искаше да установи какво води до удовлетворението на марката, какви са настоящите пропуски, следователно какъв трябва да бъде бъдещият план за действие (По отношение на маркетингови дейности и позициониране)

Подход:

Ние приложихме контролираните алгоритми за машинно обучение, като взехме под внимание „цялостното удовлетворение“ като зависимо с различни атрибути на изображението като независими променливи и получен резултат за важност.

ВЪЗДЕЙСТВИЕ— Този сюжет ясно даде на клиента план за действие не само между по-нови области, върху които да се съсредоточи, но и области, върху които да отмени фокуса.