Pull to refresh

Comments 3

А какие объективные показатели качества вашего моделирования? На какие метрики смотрите при проработке моделей?
В зависимости от инструментов, целей и типа модели, выбираются показатели. Например, если геоданные — это дополняющие основную модель факторы, то мы рассматриваем изменение показателей основной модели (т.е. нам важно понять как много отклонений мы объяснили этой дополнительной информацией в сравнении с базовой моделью учитывая кол-во наших данных).
Также тип модели подразумевает разные метрики (в основе может быть модель прогнозирования, классификации, кластеризации и тд).
Или более специфичный пример — если мы рассмотрим модель рекомендаций, то для более объективной оценки предпочтение может отдаваться не ML метрикам, а A/B тестам (на основе recall[*] не всегда можно предсказать эффективность).
В статье перечислены только «монстры индустрии», работать с которыми сложно без подготовки, но пропущены стартапы, которые ориентированы на ту же аудиторию и решаемые проблемы, но через UI (а не API) и без привлечения специалиста в лице ГИС-аналитика, например Aspectum (кстати стартап из Украины).

С точки зрения компании-консалта, в которой работает автор, описанный в статье набор источников данных и инструментов разумный и правильный, с точки зрения финального бизнеса — проще и дешевле, если можно обойтись и без услуг специализированных компаний-консалтов.
Sign up to leave a comment.

Articles