- 因果モデリングは、私たちの行動が世界に与える影響をモデル化する方法の包括的な用語である。
- 因果モデルは従来の機械学習モデルと異なる。
- 最も重要な違いは、従来の機械学習機構を訓練するために使用される観察データに含まれる情報が、一般的に私たちの行動の影響を一貫してモデル化するのに不十分であるという点に由来する。
- 私たちの行動の結果をモデル化するために従来の機械学習手法を使用すると、原則としてバイアスのある意思決定につながる。
- 例えば、マーケティングミックスモデリング用に過去のデータでトレーニングされた回帰モデルを使用することが挙げられる。
- 過去の観察結果でトレーニングされたXGBoostを使用して、離脱の確率を予測し、予測された離脱の確率がある閾値よりも高い場合にキャンペーンを送信する。
因果モデリングは、従来の機械学習モデルとは異なり、行動の影響を一貫してモデル化するために重要な手法であることが強調されています。観察データだけではこの影響を十分に捉えることが難しいことから、因果モデリングの重要性が示唆されています。従来の機械学習手法で行動の結果をモデル化することはバイアスのある意思決定につながる可能性があるため、因果モデリングの導入が有益であると考えられます。