Uplift Modeling

Lendo o Predictive Analytics em meados de Maio (que será resenhado aqui no MD) resgatei um dos tópicos mais interessantes quando se fala de aderência de modelos preditivos que é o uplift modeling.

O Lift pode-se dizer que é a medida (ou índice) da eficácia do modelo em relação os resultados obtidos através do modelo, e se o modelo não fosse aplicado.

Esse conceito é importado da medicina baseada em evidências no qual é conhecido como ensaio clínico randomizado, que tem como principal característica a separação dos grupos de experimento para verificar a eficácia de uma abordagem clínica/medicamentosa.

 Você utiliza essa métrica de aderência de modelo preditivo da seguinte forma:

 1) Criam-se dois grupos, um de (i) tratamento (onde o modelo será aplicado) e (ii) outro de controle (onde o modelo não será aplicado) sempre levando em consideração a randomização das amostras;

2) Aplica diretamente a técnica de classificação ou modelagem preditiva no grupo de tratamento;

3) Realiza o follow-up dos dois grupos anotando os efeitos primários (indicações mais severas após a intervenção), e comportamentos semelhantes e/ou efeitos secundários; e

4) De acordo com o response rate (%) do uplift modeling  você consegue uma análise mais fiel em relação aos impactos da intervenção e se você tiver ‘saco metodológico’ você consegue observar o decay do modelo, ou mesmo realizar ajustes.