Регрессия в машинном обучении: прогноз числовых показателей бизнеса

В машинном обучении задачи делятся на несколько типов. Если нужно предсказать категорию — купит или нет, спам или не спам, — это классификация. Если нужно предсказать число — объём продаж, стоимость, время, количество, — это регрессия. Многие ключевые вопросы бизнеса сводятся именно к регрессии.

Примеры задач регрессии

• Прогноз продаж товара на следующую неделю
• Оценка стоимости квартиры по характеристикам
• Прогноз количества заявок в колл-центр по часам
• Оценка времени доставки заказа
• Прогноз потребления электроэнергии
• Оценка ожидаемой выручки от клиента

Во всех случаях результат — число, а модель учится на исторических данных, где это число известно.

Линейная регрессия

Самый простой и понятный метод. Модель предполагает, что результат — это сумма факторов, каждый со своим весом. Например, стоимость квартиры складывается из влияния площади, района, этажа, состояния. Модель подбирает веса так, чтобы прогнозы были как можно ближе к реальным значениям.

Плюсы линейной регрессии: её легко интерпретировать — видно, как каждый фактор влияет на результат. Минус: реальность часто нелинейна. Влияние фактора может зависеть от других факторов, а зависимости бывают сложными.

Более сложные модели

• Деревья решений и случайный лес — улавливают нелинейные зависимости и взаимодействия факторов
• Градиентный бустинг — часто даёт лучшую точность на табличных данных
• Нейронные сети — для очень больших объёмов данных и сложных структур
• Специальные модели временных рядов — для прогнозов, где важны сезонность и тренды

Для начала разумно построить простую модель как точку отсчёта, а затем проверять, дают ли сложные модели заметное улучшение.

Признаки

Качество прогноза зависит от того, какие данные получает модель. Для прогноза продаж полезны:

• продажи за предыдущие периоды
• день недели, месяц, праздники
• цены и акции
• наличие товара
• погода, если она влияет на спрос

Для Узбекистана важно учитывать местный календарь: праздники, Рамадан, начало учебного года, свадебный сезон — всё это влияет на спрос во многих категориях.

Как оценить качество

Качество считают на отложенном периоде, который в обучение не попал. Основные метрики:

1. Средняя абсолютная ошибка — насколько в среднем прогноз отличается от факта в единицах показателя. Легко объяснить бизнесу
2. Среднеквадратичная ошибка — сильнее штрафует за крупные промахи
3. Относительная ошибка — ошибка относительно величины показателя; удобна для сравнения товаров с разным объёмом продаж

Важно сравнивать модель с простым базовым прогнозом, например «как в прошлом году» или «среднее за последние недели». Если модель не лучше базового прогноза, она не нужна.

Переобучение

Сложная модель может «запомнить» обучающие данные со всеми случайными колебаниями и плохо прогнозировать новые. Признак — отличные результаты на обучающих данных и плохие на тестовых. Защита: проверка на отложенных данных, ограничение сложности модели, достаточный объём данных.

Для временных рядов есть особенность: нельзя перемешивать данные при разделении. Модель обучается на прошлом и проверяется на более позднем периоде — так, как она будет работать в реальности.

Внедрение

Прогноз ценен, когда встроен в процесс:

• прогноз продаж — в планирование закупок
• прогноз нагрузки колл-центра — в составление графика смен
• оценка времени доставки — в сообщение клиенту

Модель нужно регулярно переобучать на новых данных и отслеживать качество: рынок меняется, и модель, хорошо работавшая год назад, может устареть.

Типичные ошибки

• Использование в признаках данных, которые неизвестны на момент прогноза
• Перемешивание данных временных рядов при проверке
• Отсутствие сравнения с простым базовым прогнозом
• Игнорирование праздников и сезонности
• Модель обучили один раз и забыли

Если хотите прогнозировать продажи, спрос или нагрузку на основе ваших данных, напишите — проверим, какая точность достижима на вашей истории.