Bir ML uzmanının büyük bir perakendeciden, stok olaylarını tahmin etmek için bir model geliştirdikleri bir sunumunu izliyordum.
Bir anlığına, zaman içinde modellerinin çok doğru olduğunu varsayalım, bir şekilde "kendi kendini yitirmez" olmaz mı? Yani, eğer model gerçekten iyi çalışıyorsa, o zaman stok olaylarını önceden tahmin edebilecek ve onlardan kaçınabilecek, sonuçta stoklarında az veya hiç olamayacakları bir noktaya gelebileceklerdir. Fakat eğer öyleyse, modellerini çalıştırmak için yeterli tarihsel veri olmayacak, ya da modelleri raydan çıkacak, çünkü bir stoklama olayını belirtmek için kullanılan aynı nedensel faktörler artık böyle yapmıyor.
Böyle bir senaryo ile başa çıkma stratejileri nelerdir?
Buna ek olarak, bunun tersi bir durum da düşünülebilir: Örneğin, bir tavsiye sistemi, iki madde gerçekten olmasa bile, tavsiye sisteminin çıktısı tarafından yönlendirilen madde çiftlerinin satışlarının artmasıyla birlikte “kendi kendine yeten bir kehanet” haline gelebilir. ilgili.
Hem bana göre tahmin edicinin çıktısı ile buna dayanarak yapılan eylemler arasında ortaya çıkan bir tür geri besleme döngüsünün sonuçları gibi görünüyor. Böyle bir durumla nasıl başa çıkılabilir?