Parte 3 – Simulazione di scenari
INTRODUZIONE
La simulazione è uno strumento potente nella cassetta degli attrezzi della scienza dei dati. In questo articolo parleremo di come la simulazione può aiutarci a prendere decisioni e strategie migliori simulando possibili scenari. Un concetto chiave che esploreremo nel corso è come sfruttare i modelli di machine learning e la simulazione di scenari per prendere decisioni migliori.
Gli argomenti specifici di questo articolo sono:
- Simulazione di scenari per l'ottimizzazione
- Simulazione di scenari per la gestione del rischio
Questa è la terza parte di una serie in più parti sulla simulazione nella scienza dei dati. Il primo articolo trattava come utilizzare la simulazione per testare gli approcci di apprendimento automatico, mentre il secondo articolo trattava l'uso della simulazione per stimare la potenza di un esperimento progettato.
COS'È LA SIMULAZIONE DEI DATI?
Il primo articolo dedica molto più tempo alla definizione della simulazione. Per evitare ridondanze, mi limiterò a dare una rapida definizione qui:
La simulazione dei dati è la creazione di dati fittizi che imitano le proprietà del mondo reale.
Ok, detto questo, parliamo di simulazione dello scenario!
SIMULAZIONE DI SCENARI PER L'OTTIMIZZAZIONE
Spesso sviluppiamo modelli di machine learning per fare previsioni su dati reali. Ad esempio, modelli che prevedono se un tumore è maligno o se è probabile che un cliente non riesca a onorare il prestito. In questi casi passiamo dati reali nel nostro modello per ottenere previsioni su entità reali (pazienti, clienti, ecc.). Quando utilizziamo i nostri modelli di machine learning per l'analisi degli scenari, spesso utilizziamo dati simulati per vedere cosa accadrebbe dati determinati (simulati)…
Fonte: towardsdatascience.com
