Речник

Причинно-следствени изводи (causal inference)

Какво е Причинно-следствени изводи (causal inference)?

Причинно-следствените изводи (causal inference) обхващат методи за извличане на причинно-следствени връзки от данни, вместо само за откриване на корелации. Те отговарят на въпроси като „Какво би се случило, ако не бяхме предприели тази мярка?“. Инструментите включват рандомизирани експерименти като A/B тестове, причинно-следствени графи и статистически техники за наблюдателни данни. Пример: проверка дали рекламна кампания с отстъпки наистина е увеличила продажбите, или те щяха да нараснат така или иначе по сезонни причини.

Теми

Статистика
Причина и следствие
Анализ

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Бейсови мрежи

Бейсовите мрежи са графични модели, които представят променливите като възли, а вероятностните зависимости между тях – като насочени стрелки. С помощта на теоремата на Бейс те показват как новите наблюдения променят вероятността на други събития. Един пример е диагностичната подкрепа: оценяване на най-вероятната причина въз основа на наблюдавани симптоми. Силните им страни са прозрачността и способността да работят с несигурни или непълни данни.

Вероятност
Графични модели
+1

Предиктивна аналитика

Предиктивната аналитика използва исторически данни, статистика и машинно обучение, за да оцени вероятни бъдещи събития. Тя отговаря на въпроси като: кои клиенти са на път да се откажат? Колко запаси ще са необходими следващия месец? Кога вероятно ще се повреди една машина? Резултатите са вероятности, а не сигурност. Стойността им зависи силно от качеството на данните и от това дали прогнозите наистина влияят върху решенията и процесите.

анализ на данни
прогнозиране
+1

Bias

В областта на ИИ пристрастието (bias) означава систематично изкривяване на резултатите. То често произтича от небалансирани или исторически изкривени обучителни данни, но и от устройството на модела или от начина, по който е зададен въпросът. Известен пример: инструмент за подбор на кандидати, който се учи от минали решения за наемане, може да затвърди съществуващи неравнопоставености. В статистиката терминът означава и отклонението на една оценка от истинската стойност. Мерките за противодействие включват разнообразни данни, редовни одити и човешки решения по кадрови въпроси.

Етика на ИИ
Fairness
+1

Проучвателен анализ на данни (EDA)

Проучвателният анализ на данни (Exploratory data analysis, EDA) е първият, непредубеден поглед към даден масив от данни: изчисляват се обобщаващи показатели, разглеждат се разпределения и диаграми и се търсят закономерности, отклонения и липсващи стойности – още без фиксирана хипотеза. Той помага да се оцени качеството на данните и да се намерят смислени въпроси за по-нататъшен анализ или моделиране. Пример: преди прогноза за продажбите EDA показва, че един месец е записан непълно поради миграция на системата.

Анализ на данни
Статистика
+1

Шаблон