Machine Learning thực chiến

Bốn phép tính, phần trăm và khả năng đọc một biểu đồ là đủ. Mỗi thuật toán được dạy bằng hình trước: gradient descent là người xuống đồi trong sương mù, bias và variance là bia bắn, regularization là dây cương ghìm hệ số. Khóa không có đạo hàm và không có chứng minh. Ai muốn xuống sâu hơn có phụ lục đại số tuyến tính và đạo hàm để đọc riêng, không tính vào giờ chính khóa.

Đó là câu hỏi cả chương 15 trả lời. Sáu bài dạy sáu họ model trên cùng một dataset churn, mỗi bài đóng lại bằng phần khi nào dùng và khi nào không, kèm bảng yêu cầu tiền xử lý của từng họ. Bài 15.5 tổng kết thành một nguyên tắc dùng được ngay: bắt đầu bằng logistic làm baseline, kết thúc bằng boosting. Khóa cũng có một tờ cheatsheet riêng là bản đồ chọn model cho dữ liệu bảng.

Là khi thông tin của tập test lọt vào lúc huấn luyện, thường qua một bước tiền xử lý chạy trước khi split. Model trông rất giỏi trên máy bạn và sai bét khi chạy thật. Bài 13.3 dựng hẳn một thí nghiệm cho bạn thấy model 99% sụp còn 70% sau khi sửa lỗi đó, bài 17.1 chỉ ra leakage khi tạo feature từ thông tin tương lai, và bài 17.2 dạy dùng Pipeline để lỗi này không xảy ra được nữa.

Vì bài toán thật hiếm khi cân bằng. Churn khoảng 5% và gian lận khoảng 0,1%, nên một model đoán tất cả là "không" đã có accuracy 95% mà không giúp được gì. Bài 13.4 dạy chọn metric theo bài toán kinh doanh, phân biệt precision và recall bằng hai case đối lập là lọc spam và tầm soát ung thư. Bài 15.6 xử lý phần mất cân bằng: class_weight, SMOTE dùng đúng chỗ, và khi nào đọc PR-AUC thay cho ROC-AUC.

Bài 17.4 dành riêng cho việc đó. Bạn học permutation importance để biết yếu tố nào thật sự quan trọng, rồi SHAP ở mức thực dụng: waterfall plot giải thích từng dự đoán một, kiểu "khách này rủi ro 85% vì sáu tháng không mua và có khiếu nại". Notebook cuối chương là bài giải thích model churn cho giám đốc, và bài 15.3 còn dạy dịch một cây quyết định thành luật kinh doanh bằng tiếng Việt.