ML/XAI
-
econml const_marginal_effectML/XAI 2023. 9. 27. 14:50
https://econml.azurewebsites.net/_autosummary/econml._cate_estimator.html#econml._cate_estimator.LinearCateEstimator.const_marginal_effect CATE 값을 말하는 듯. CATE 적합한다음에 X Feature 들어갔을때의 예측값? X: confounder, T : treatment, Y : outcome subgroup with Treatment without Unit Causal eff ect man 10 5 5 woman 5 5 0 man 10 10 0 woman 0 10 -10 ATE = (5+0+0+-10)/4 CATE(man) = (5+0)/2 CATE(woman) = (-10+0)/2 wo..
-
DMLML/XAI 2023. 8. 25. 17:59
ref : https://matheusfacure.github.io/python-causality-handbook/22-Debiased-Orthogonal-Machine-Learning.html# 한국에서 아이스크림 가게 사장이라고 하자. 여름과 겨울에 따라 아이스크림을 찾는 손님이 많이 차이날 것이다. 그런데, 해외진출을 하게 되서 일년 내내 여름인 나라와 일년 내내 겨울인 나라 등등 여러 환경에서 아이스크림을 팔 수 있게 되었다. 그러면 온도에 관계 없이 순수한 가격에 의한 판매량을 알아서 가격을 잘 책정하고 싶다. 그런데, 왜 순수한 관계를 알고 싶은거냐? 하면.. 그니까 예를 들어 지금 있는 데이터로 넣어서 온도와 가격으로 못봐? 하면.. 예를 들어 온도가 높으면 여름에 사람들이 많이 찾아서 가격..
-
uplift modelingML/XAI 2023. 4. 25. 14:21
필요하게된 목적 : 마케팅 비용 절감. 마케팅에서 conversin을 촉진하기 위해 인센티브를 여러 방법으로 사용할 수 있는데, 최적의 인센티브를 줌으로써 마케팅 비용 절감을 시도. 예를 들면 인센티브를 주지 않아도 살 유저에게는 굳이 주지 않아도 됨. 인센티브의 케이스가 아래와 같이 세가지 있다고 가정하자. ₩0 ₩10 ₩100 1) 랜덤으로 뿌려보면 되잖아? 그럼 어떤 유저한테는 줘야하고 안줘야하고를 알고 싶으면, 이상적으로 아래 표처럼 하나의 유저에게 아래와 같이 여러 인센티브를 시도해보고 예를 들어 A유저는 인센티브를 주던 안주던 conversion B유저는 인센티브를 주었을 때만 반응 한다고 하면 A유저는 다음부터 인센티브를 아예 안주고, B유저는 ₩100을 준다고 한다면. 전체 비용 최대 2*..
-
Causal ImpactML/XAI 2023. 4. 18. 14:41
- 목표 : 마케팅 캠페인 A를 시행했을때, 정말 효과 있었어? 이걸 유저의 결제금액 B로 보고 싶다고 가정하자 - 기존 방법 단순하게 생각하면 (DiD 방법론) B'는 마케팅 시행이전, B''를 마케팅 시행 이후 결제금액이라고 하자 유저그룹 B' B'' 실험군 100 1000 대조군 100 500 실험군은 10배, 대조군은 5배 올랐으니까 마케팅 효과가 있었다고 볼 수도 있겠다 - 그런데 의문점 : 정말 순수하게 마케팅 효과인거 맞아? 왜 대조군은 5배 오른거야? 다른 뭔가 때문에 우연히 오른거 아니야? A가 B에 미친 영향을 순수하게 보고 싶어! 예를 들어 여름이라서 갑자기 B가 늘었다던가, 방송출연해서 B가 늘었다고 볼 수 있을 것이다. 그런 시계열적 요소 또한 고려하고 싶을때 causal impa..
-
causal impactML/XAI 2023. 2. 7. 15:27
목적 : 해당 조치 (ex. 마케팅 )를 시행한 후 효과 time-series 비교 위함. 해당 조치 시행한 time series는 있으니까, 해당 조치 시행하지 않은 time series 예측해서 비교. - did vs causal impact : https://miistillery.me/causalimpact/ CausalImpact는 어떻게 이벤트 효과를 추정할까? CausalImpact CausalImpact는 무엇이고, 왜 필요할까? CausalImpact는 시계열 데이터에서 의도적인 개입으로 인한 인과 효과를 추정하기 위한 방법론입니다. 인과 효과를 확인하려면 A/B 테… miistillery.me 주로 베이지안 시계열 구조 방법론을 사용. 방법론 선택은 자유지만, 그 이유는 credible ..
-
causal impactML/XAI 2023. 1. 25. 15:08
시계열 데이터 y (일별 판매량)이 (마케팅 시행여부)로 인해 증가한건지, 그냥 다른 티비프로그램이나 원래 상승할 거였는지 알고 싶다고 하자. 그 효과를 측정하는 방법론 중 하나가 Causal Impact 이다. 우리가 갖고 있는건, 1) actual : 마케팅을 시행했을떄의 일별 판매량 밖에 없다. 그럼, 마케팅을 시행하지 않았을때의 일별 판매량은 예측해서 비교해볼 수 밖에 없다. 2) predicted : 마케팅을 시행하지 않았을 때의 일별 판매량 그런데 어떻게 예측할까? 그냥 ARIMA같은 시계열 모델 등을 써서 예측해볼 수 있을 거다. 그런데 궁금한게 다른 영향도 있었는지, 그 영향을 받았으면 어떠했을지 반영해서 예측해보면 더 좋을 것이다. 그래서 예를 들어 티비프로그램을 반영할 수 있는 검색량이..