Fogalomtár

Ok-okozati következtetés

Mi a(z) Ok-okozati következtetés?

Az ok-okozati következtetés (causal inference) azokat a módszereket foglalja magában, amelyekkel az adatokból ok-okozati összefüggések vezethetők le, nem pusztán korrelációk azonosíthatók. Olyan kérdésekre felel, mint: „Mi történt volna, ha nem hozzuk meg ezt az intézkedést?”. Eszközei közé tartoznak a randomizált kísérletek, például az A/B-tesztek, az oksági gráfok és a megfigyelési adatokra alkalmazott statisztikai technikák. Példa: annak ellenőrzése, hogy egy kedvezménykampány valóban növelte-e az értékesítést, vagy az idényjellegű okokból amúgy is nőtt volna.

Témák

Statisztika
ok és okozat
Elemzés

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

Bayes-hálók

A Bayes-hálók olyan grafikus modellek, amelyek a változókat csomópontokként, valószínűségi függőségeiket pedig irányított nyilakként ábrázolják. A Bayes-tétel segítségével megmutatják, hogyan változtatják meg az új megfigyelések más események valószínűségét. Példa erre a diagnosztikai támogatás: a megfigyelt tünetekből a legvalószínűbb ok becslése. Erősségük az átláthatóság és a bizonytalan vagy hiányos adatok kezelésének képessége.

Valószínűség
Grafikus modellek
+1

Prediktív analitika

A prediktív analitika történeti adatokat, statisztikát és gépi tanulást használ a valószínű jövőbeli események becslésére. Olyan kérdésekre ad választ, mint: mely ügyfelek készülnek lemondani? Mennyi készletre lesz szükség a következő hónapban? Mikor valószínű egy gép meghibásodása? Az eredmények valószínűségek, nem bizonyosságok. Értékük nagymértékben függ az adatok minőségétől, és attól, hogy az előrejelzések ténylegesen beépülnek-e a döntésekbe és a folyamatokba.

adatelemzés
előrejelzés
+1

Bias

Az MI területén a torzítás (bias) az eredmények rendszerszintű torzulását jelenti. Gyakran kiegyensúlyozatlan vagy történetileg torz tanítóadatokból ered, de a modell kialakításából vagy a kérdésfeltevés módjából is fakadhat. Ismert példa: egy pályázókat szűrő eszköz, amely a korábbi felvételi döntésekből tanul, továbbörökítheti a meglévő hátrányokat. A statisztikában a torzítás egy becslés valódi értéktől való eltérését is jelenti. Ellenintézkedés lehet a sokszínű adat, a rendszeres audit és a személyügyi kérdésekben hozott emberi döntés.

MI-etika
Fairness
+1

Feltáró adatelemzés (EDA)

A feltáró adatelemzés (Exploratory Data Analysis, EDA) egy adathalmaz első, nyitott szemlélése: összesítő mutatókat számolnak, eloszlásokat és diagramokat vizsgálnak, mintázatokat, kiugró értékeket és hiányzó értékeket keresnek – még rögzített hipotézis nélkül. Segít felmérni az adatminőséget, és értelmes kérdéseket találni a további elemzéshez vagy modellezéshez. Példa: egy értékesítési előrejelzés előtt az EDA kimutatja, hogy az egyik hónapot rendszermigráció miatt hiányosan rögzítették.

Adatelemzés
Statisztika
+1

Sablon