La precisión superior a 0.999999 o, en otros términos, falso positivo de 1 en un millón es útil en escenarios donde existe un costo muy alto para manejar falsos positivos, como emplear humanos para manejar falsos positivos. Por otro lado, es muy difícil incluso para los humanos lograr este nivel de precisión.
Un posible escenario que necesita una precisión muy alta es la seguridad. Piense en un modelo en FB que analiza la actividad de un usuario todos los días y cierra su cuenta si la clasifica como una cuenta falsa. Con más de 100 millones de usuarios que usan el sitio todos los días, incluso con una precisión de 0.999999, terminará cerrando más de 100 cuentas por error. Esto creará una gran cantidad de tickets de atención al cliente que necesita humanos para manejar. En este caso, con el fin de aumentar la precisión, la gente generalmente compensa el retiro del mercado.
Una regla de oro sería si necesita humanos para manejar los falsos positivos de su modelo y su conjunto de datos es muy grande, es mejor que tenga una alta precisión o molestará a muchas personas.
- ¿Qué es una explicación intuitiva de una regresión multivariada?
- Si eres un profesional de big data / analytics, ¿cuál sería un regalo emocionante que te gustaría recibir?
- Tengo 28 años y he estado trabajando como auditor financiero durante los últimos 5 años. Quiero saltar al área de ciencia de datos y blockchain y seguir mi carrera en estos campos. ¿Cómo puedo hacer eso?
- ¿Cuáles son las perspectivas de empleo si completo el Master de Ciencia de Datos de Código Abierto en http://datasciencemasters.org?
- ¿Cómo es ser un científico de datos en Microsoft?
