Variablen erkennen, die nicht nützlich sind

Rosies Machine-Learning-Team hat ein ML-Modell auf der Website einer Versicherungsfirma integriert. Es sagt voraus, wie wahrscheinlich es ist, dass jemand eine bestimmte Versicherung abschließt. Daraufhin wird auf der Homepage das Versicherungsprodukt mit der höchsten Abschlusswahrscheinlichkeit für die jeweilige Person angezeigt.

Das Website-Team hat A/B-Tests vorgenommen und konnte bei der Kundengruppe, die maschinell erlernte Empfehlungen bekommen hat, keinen Umsatzanstieg feststellen, verglichen mit der Gruppe, die nur allgemeine Nachrichten auf der Hauptwebsite gesehen hat. Rosie hat darum gebeten, das Modell zu überprüfen und zu klären, was die wichtigsten Einflussfaktoren sind und wie das Modell aufgebaut wurde.

Bei Inferenzmodellen ist es wichtig, Variablen zu verwenden, die das Unternehmen beeinflussen kann und die eine Wirkung erzielen, im Gegensatz zu solchen, die nur korrelieren, aber nicht wirklich nützlich sind.

Welche Schlussfolgerung kannst du aus den relevantesten Variablen ziehen? Wähle die wichtigsten aus.