KDD2018の感想です。AdKDDやネット広告方面は職場のBlogに書くので、こちらは他の話を。今年は因果推論のチュートリアルが超満員だったり、予測モデルの差別、解釈性と説明性「interpretable and explainable machine learning models」が注目されたりと単に予測するのでは無く運用課題の話が増えたのが印象に残っています。 リスク予測とインセンティブデザイン 上の写真はDavid Hand氏による講演「Data Science for Financial Applications」の一場面です。自動車保険の保険料が女性に比べて男性が高い事に抵抗して行政上の性別を変更した男性*3の例が紹介されています (NEW YORK POSTの記事)。 事故を起す確率が高いと予測された顧客に高い保険料を課すのは自然なアイデアです。しかし事故発生確率と因果があ
![何故予測が当たるだけではマズいのか、因果と機械学習](https://cdn-ak-scissors.b.st-hatena.com/image/square/e7c349cdac75dbbbb2190eb23fb1008a863ca5c8/height=288;version=1;width=512/https%3A%2F%2Fblogger.googleusercontent.com%2Fimg%2Fb%2FR29vZ2xl%2FAVvXsEhjVnrYzwsK5DxaQArhbMHEu_JSiKOsCTfuy7DfB7ebLbuxOuq_ln3QASDcwV6G1hv2DZtn6aP4SZdLFKv099wgWGMu_jSCEyIE_innter5KXX2Eauu_hf8OAvrs4hElI2V20xu24azHJ97%2Fw1200-h630-p-k-no-nu%2Faaa%2525E3%252581%2525AE%2525E3%252582%2525B3%2525E3%252583%252592%2525E3%252582%25259A%2525E3%252583%2525BC.jpg)