ML для менеджера: какие бывают модели (и почему не надо в них копаться) 🧠

В прошлом посте разобрались, что ML решает три типа задач. Теперь коротко о том, как эти задачи решаются.

Как менеджерам, нам не нужно знать, как устроены нейросети под капотом. Достаточно понимать, какую модель когда применять и какие у неё ограничения.

1) Линейные модели
- Как работают: умножают каждый признак (пол, возраст, средний чек) на свой коэффициент и складывают.
- Плюсы: понятно, что на что влияет; быстро обучаются.
- Минусы: не ловят сложные зависимости; чувствительны к выбросам.
- Когда использовать: оценка недвижимости, прогноз продаж, кредитный скоринг.

2) Деревья решений
- Как работают: задают вопросы («возраст больше 30?», «женщина?») и делят данные на группы.
- Плюсы: результат легко объяснить; не требуют подготовки данных.
- Минусы: склонны к переобучению.
- Когда использовать: задачи, где важна интерпретируемость (медицина, кредиты).

2.1) Ансамбли: деревья на стероидах
- Как работают: берём много деревьев и усредняем их ответ за счет алгоритмов Random Forest, Gradient Boosting, XGBoost, CatBoost (о нем рассказывал тут).
- Плюсы: высокая точность; работают с табличными данными лучше всех.
- Минусы: сложнее для объяснения; требуют больше ресурсов.
- Когда использовать: практически любые задачи с табличными данными, можно сказать это уже мастхэв для них.

3) Нейросети
- Как работают: много слоёв, много матриц, могут находить невероятно сложные зависимости.
- Плюсы: лучшее качество для изображений, звука, текста.
- Минусы: требуют много данных; чёрный ящик; дорогое обучение.
- Когда использовать: компьютерное зрение, NLP, генерация контента.

О чём спрашивать команду
- Почему выбрали эту модель? (Если «потому что это новая технология хочется попробовать» стоит насторожиться и подумать о ROI)
- Как сможем объяснить решение модели бизнесу?
- Сколько данных нужно для хорошего качества?

В следующих постах разберём, как катить модели в прод и какие риски они несут.

🔮Управление без иллюзий. Подписывайтесь и делитесь с коллегами!

Канал в MAX'e

#ml #материалы