doEl modelado ausal es un término general para una amplia gama de métodos que nos permiten modelar los efectos de nuestras acciones en el mundo.
Los modelos causales se diferencian de los modelos tradicionales de aprendizaje automático en varios aspectos.
La distinción más importante entre ellos surge del hecho de que la información contenida en los datos de observación utilizados para entrenar la maquinaria tradicional de aprendizaje automático es, en general, insuficiente para modelar consistentemente los efectos de nuestras acciones.
¿El resultado?
El uso de métodos tradicionales de aprendizaje automático para modelar los resultados de nuestras acciones conduce a decisiones sesgadas la mayor parte del tiempo.
Un buen ejemplo aquí es el uso de un modelo de regresión entrenado con datos históricos para determinar su combinación de marketing.
¿Otro?
Usar XGBoost entrenado en observaciones históricas para predecir la probabilidad de abandono y enviar una campaña si la probabilidad de abandono prevista es mayor que algún umbral.