Modelli predittivi

I modelli predittivi sono algoritmi che valutano i valori o gli eventi futuri in base ai dati storici. Essi sono alla base di analisi alimentari, gestione dei rischi, marketing, antifrode e ottimizzazione operativa. Di seguito è riportato un manuale pratico, dalla scelta della formulazione dell'attività all'utilizzo e al controllo qualità.

1) Formulazione delle attività e dei segnali

Regressione: previsione di valore continuo (LTV, importo del deposito, importo dell'assegno).
Classificazione: probabilità di evento (esodo del cliente a 30 giorni, frod/no frod).
Classificazione - Consente di organizzare gli oggetti in base all'appropriatezza (raccomandazioni).
Serie temporali: pianificazione di calendario (traffico, carico, ricavato).
Survival/tempo prima dell'evento: stima del tempo prima del deflusso/pagamento ripetuto.
Modellazione Uplift - Aumento dell'effetto dell'esposizione (quale azione cambia effettivamente il comportamento).
Diverse produzioni in più classi/multi-sci: più stati/eventi contemporaneamente.
Modelli bayesiani e probabili: previsioni con evidenti incertezze.

2) Dati e preparazione

Grano e finestra di osservazione: individua l'unità di previsione (utente/sessione/giorno) e la finestra di raccolta dei segni corretta fino al momento della previsione.
Variabile di destinazione: definizione chiara, orizzonti (7/30/90 giorni), eliminazione delle perdite future.
Segni: aggregazioni per finestre (7/30/90), frequenze comportamentali, sequenze, encoding categorici, interazioni, statistiche per segmenti.
Qualità dei dati: passaggi, emissioni, duplicati, cambio di schema, consistenza delle etichette temporali.
Bilanciamento delle classi: strattonamento, pesatura, oversampling/undersampling - Con attenzione per evitare spostamenti.

3) Selezione algoritmi

Lineari di base: regressione lineare/logistica, regolazione (L1/L2/Elastic Net) - veloce, interpretabile.
Alberi e gruppi: Random Forest, Gradient Boosting (XGBoost/LightGBM/CatBoost) sono forti basline.
Neurosreti: MLP/Seq2Seq/Trasformer per pattern complessi (testi, sequenze, righe temporali).
File temporali: ARIMA/ETS, Prophet, Gradiente Boosting con lame, DeepAR/N-BEATS/Temporal Fusion Trasformer.
Uplift: approccio a due modelli, T-Learner/S-Learner/X-Learner, alberi a effetto causale.
Survival: Cox, AFT, Random Survival Forests.
Bayesz: GLM/modelli gerarchici con distribuzioni a priori.

Pratica: iniziate con un basline semplice e riproduttivo, aggiungete complessità solo in caso di guadagni tangibili per metriche e stabilità.

4) Separazione e validazione

Temporal CV - Per le attività temporizzate, tagliare le date (rolling/expanding windows).
Strazione: per le classi squilibrate.
Convalida di gruppo: non tollerare «fuoriuscite» tra gruppi (user _ id, campaign _ id).
Test out-of-time - Test finale per il periodo «futuro».
Basline: ingenui (ultimo valore, medio), frequenza, semplice logreg - per misurare il valore reale.

5) Metriche di qualità

Classificazione: ROC-AUC, PR-AUC (importante per eventi rari), logloss, Brier score, F1, precisione/recall @ k, lift/NDCG.
Regressione: RMSE/MAE/MAPE, sMAPE, R m2, quantile loss (per percentili).
File temporali: MAPE/sMAPE/MASE, Pinball loss (previsione quantale).
Survival: Concordance index, Brier per il tempo-prima-evento.
Uplift: Qini, uplift@k, AUUC.
Metriche aziendali: profitti incrementali, utenti trattenuti, riduzione del frodo, SLA per la precisione.

Raccomandazione: conservare sempre due livelli di metriche: «qualità ML» e «effetto business».

6) Calibrazione e soglie

Calibrazione delle probabilità: Platt, isotonic, temperature scaling.
La scelta della soglia è per obiettivi aziendali (massimo profitto/limitazione dei falsi), costi/multe.
Stabilità della soglia: monitoraggio in base alla variazione delle distribuzioni.

7) Interpretabilità e spiegabilità

Globale: l'importanza dei segni (gain, permutation), PDP/ICE, SHAP.
Locale: SHAP/LIME per spiegare la soluzione dell'oggetto.
Caveat: l'interpretabilità è uno strumento per convalidare ipotesi e fiducia, non la verità assoluta.

8) Implementazione in guerra

Cerving: online (REST/gRPC, ritardo basso) e batch (ore/giorno).
Versioning: modelli, dati, schemi e fitte (registry).
Fichestor: coerenza online/offline, point-in-time correttezza.
Controllo dei ritardi: budget per l'estrazione dei segni, infertilità, post-processo.
Fail-safe: regole in default, degrado a basline, timeout e retrai.
A/B e rollout graduale: release canarie, shadow/inference mirroring.

9) Monitoraggio e deriva

Qualità: metriche di vendita (ROC-AUC/PR-AUC per etichette posticipate, KPI business).
Distribuzione: PSI/JS-divergence/KL, deriva di segni e target.
Data Health: la percentuale di omissioni, la radicalità delle categorie, gli accoppiamenti, i ritardi delle pipline.
Alerting e SLO: valori di soglia, runibuki (cosa fare in caso di degrado).
Retrening: pianificata, trigger della deriva, stagionale; Controllo di regressione qualità.

10) Sicurezza, compliance ed etica

Privacy: minimizzazione dei dati, alias, controllo degli accessi.
Equità: controllo bias per segmenti (false positive/negative rate), regolazione sample/soglie.
GDPR/norme locali: obiettivi di elaborazione, conservazione, diritto di spiegazione.
Controllo e riproduzione: traccia delle versioni, assemblaggio riprodotto, registro delle soluzioni.

11) Modelli per valigette tipiche

Uscita (churn): classificazione binaria; metriche - PR-AUC, test uplift per le campagne di contenimento; output - Priorità offshore.
Antifrode: classificazione ad alto equilibrio; metriche - PR-AUC, recall @ low-FPR; restrizioni latency rigorose.
LTV/ARPPU: regressione o quasi; ricalibrazione regolare.
Previsioni di carico/fatturato: file temporali; Insieme di modelli statistici e ML stagionalità e festività come fici.
Raccomandazioni personali: classificazione/matrifattorizzazione/seq-model; aggiornamenti e esportazioni online (mult-armed bandits).

12) Processo (ML Lifecycle)

1. Il problema è KPI 2. I dati e i fici sono → 3. → line 4. Modelli e selezione di →

2. Calibrazione e → 6. Validazione e A/B 7. Cerving e monitoraggio 8. Retrening/evoluzione.

Ogni fase è documentata con schemi di dati, configi di apprendimento, versioni di manufatti, risultati di esperimenti.

13) Ingegneria dei segni (brevemente)

Aggregati: importi/medie/quantili per finestre.
Contatori e frequenze: conversione, rarità delle categorie.
Lagi e tendenze temporali, delta, allentamenti esponenziali.
Le categorie di encoding sono target/stats encoding (con fuoriuscite), WoE, one-hot/Hasing.
Testi ed eventi: TF-IDF, embedding, sequence-fici.
Logica aziendale: segni di dominio (ad esempio, «a giorni con l'ultimo pagamento»).

14) Gestione degli esperimenti

Tracking: metriche, parametri, manufatti, dataset.
Iperparametri: causa bayesiana, random/grid search, arresto precoce.
Controllo fitch: data directory, contratto di schema, test di compatibilità.

15) Foglio di assegno prima della vendita

Non ci sono fuoriuscite del futuro; convalida temporanea corretta
Le metriche sono resistenti agli spostamenti; c'è un test OOT
Calibrazione verificata; Soglia aziendale selezionata
Documentazione fitch e contratti dati
Le funzioni di degrado e gli alert sono configurati
Piano di ritrening e criteri di arresto
Verifiche legali ed etiche superate

Miniglossario

Deriva di distribuzione: modifica statistiche dati/target nel tempo.
Calibrazione: porta le probabilità alla frequenza reale degli eventi.
Uplift - Stima della differenza di effetto tra «elaborati» e «controllati».
Test OOT - Verifica del modello in un periodo completamente invisibile durante l'apprendimento/convalida.

Totale

Il modello predittivo non è solo un algoritmo, ma un processo: esecuzione corretta dell'attività, disciplina dei dati, convalida rigorosa, riproduzione di pipline, monitoraggio ed etica. Seguire il ciclo descritto riduce il rischio di «belle metriche in offline» e aumenta il valore reale del prodotto.

Modelli predittivi