Predictive Modeling

Mô hình hóa dự đoán là quá trình xây dựng model thống kê hoặc machine learning từ dữ liệu lịch sử để ước tính một kết quả chưa biết hoặc chưa xảy ra, chẳng hạn khách hàng có hủy dịch vụ hay không, cửa hàng sẽ bán được bao nhiêu vào tuần tới hoặc ảnh chụp có cho thấy bệnh hay không. Model học mối quan hệ giữa các đặc trưng đầu vào và kết quả đã biết từ những ví dụ trước, một dạng học có giám sát, sau đó áp dụng mối quan hệ đó cho trường hợp mới, thường trả về xác suất hoặc khoảng giá trị cùng với dự đoán. Phân tích dự đoán là hoạt động ứng dụng các model này vào quyết định trong marketing, tài chính, vận hành và y tế; hoạt động này nằm giữa phân tích mô tả, vốn tóm tắt những gì đã xảy ra, và phân tích chỉ định, vốn đề xuất cần làm gì.

Quy trình mô hình hóa dự đoán#

Dự án bắt đầu bằng việc xác định target và quyết định mà target sẽ hỗ trợ, sau đó tập hợp các ví dụ lịch sử có đầu vào đã biết tại thời điểm lẽ ra phải đưa ra dự đoán. Feature engineering chuyển các bản ghi thô thành đầu vào cho model; dữ liệu được chia thành các tập huấn luyện, validation và test. Bài toán dự báo được chia theo thời gian để model luôn được đánh giá trên các giai đoạn muộn hơn giai đoạn model đã học; trong trường hợp đó, chia ngẫu nhiên hoặc dùng bất kỳ đặc trưng nào mã hóa đáp án đều gây rò rỉ dữ liệu và làm điểm số tăng giả tạo. Các model ứng viên được so sánh với baseline đơn giản trên dữ liệu held-out; sau khi triển khai, model được theo dõi để phát hiện data drift, vì các mối quan hệ model đã học sẽ suy yếu khi thế giới thay đổi.

Đánh giá sử dụng các metric phù hợp với quyết định: precision, recall và diện tích dưới đường cong ROC cho bộ phân loại; sai số tuyệt đối trung bình (MAE) hoặc căn bậc hai của sai số bình phương trung bình cho dự đoán số. Cross-validation ước tính hiệu năng trên các tập dữ liệu nhỏ bằng cách lấy trung bình qua nhiều lần chia train-test. Ví dụ này dùng scikit-learn để dự đoán mức tiến triển bệnh tiểu đường một năm sau các phép đo ban đầu của bệnh nhân, so sánh hai model với baseline luôn dự đoán giá trị trung bình:

from sklearn.datasets import load_diabetes
from sklearn.dummy import DummyRegressor
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score

# 442 patients: 10 baseline measurements and disease progression one year later
X, y = load_diabetes(return_X_y=True)

models = {
    "Baseline (always predict the mean)": DummyRegressor(),
    "Ridge regression": Ridge(alpha=0.1),
    "Gradient-boosted trees": HistGradientBoostingRegressor(max_depth=3, random_state=0),
}
for name, model in models.items():
    # Mean absolute error on held-out folds of 5-fold cross-validation
    scores = cross_val_score(model, X, y, cv=5, scoring="neg_mean_absolute_error")
    print(f"{name}: MAE {-scores.mean():.1f}")

Baseline có sai số trung bình 66,0 điểm trên thang điểm tiến triển; hồi quy ridge có sai số 44,6 và cây tăng cường gradient có sai số 46,5, vì vậy cả hai model đều giảm sai số khoảng một phần ba; trên 442 bệnh nhân này, model tuyến tính đơn giản hơn có độ chính xác cao hơn.

Các loại model dự đoán#

Các model dự đoán khác nhau tùy theo kết quả cần ước tính. Model phân loại, chẳng hạn hồi quy logistic và cây quyết định, dự đoán một danh mục và thường cả xác suất của danh mục đó. Model hồi quy, chẳng hạn hồi quy tuyến tính, dự đoán một con số. Model dự báo chuỗi thời gian dự đoán các giá trị tương lai của một chuỗi dựa trên quá khứ của chuỗi, tính mùa vụ và các yếu tố bên ngoài; model sống sót dự đoán thời gian đến khi xảy ra sự kiện như máy móc hỏng hóc, kể cả trường hợp sự kiện chưa xảy ra. Với dữ liệu dạng bảng, các thuật toán phổ biến thường là model tuyến tính có regularization và tổ hợp cây như random forest và XGBoost; mạng nơ-ron chiếm ưu thế với ảnh, âm thanh và văn bản; còn foundation model dạng bảng dự đoán trên bảng mới mà không cần huấn luyện một model cho mỗi dataset.

Mô hình hóa dự báo trong thị giác máy tính#

Model thị giác là model dự đoán có đầu vào là pixel. YOLO26 ở chế độ predict trả về lớp dự đoán, điểm tin cậy và tọa độ box cho mỗi đối tượng tìm thấy trong ảnh; số lượng đối tượng được suy ra từ các dự đoán này thường trở thành đặc trưng đầu vào cho dự báo tiếp theo, chẳng hạn lượng người qua lại theo giờ để bố trí nhân sự.

Ứng dụng#

• Bảo trì dự đoán: Model được huấn luyện trên dữ liệu rung, nhiệt độ và thời gian hoạt động ước tính thời điểm một bộ phận sẽ hỏng, nhờ vậy việc sửa chữa diễn ra trước khi xảy ra sự cố thay vì theo lịch cố định.
• Y tế: Model rủi ro ước tính khả năng bệnh nhân tái nhập viện hoặc nhiễm trùng huyết dựa trên hồ sơ bệnh án; model phân tích ảnh đánh dấu các dấu hiệu có khả năng xuất hiện để bác sĩ chẩn đoán hình ảnh ưu tiên xem xét.
• Chấm điểm tín dụng và gian lận: Ngân hàng dự đoán xác suất người vay vỡ nợ hoặc giao dịch thẻ có gian lận, đồng thời chấm điểm từng giao dịch thẻ theo thời gian thực khi giao dịch được cấp phép.
• Lập kế hoạch nhu cầu và tồn kho: Nhà bán lẻ dự báo doanh số theo cửa hàng và sản phẩm dựa trên dữ liệu lịch sử, giá, khuyến mãi và ngày lễ để quyết định lượng hàng cần đặt.

Mô hình hóa dự đoán và các thuật ngữ liên quan#

• Khai phá dữ liệu: Tìm kiếm các mẫu, cụm và mối liên hệ trong tập dữ liệu lớn, có hoặc không có target cần dự đoán; trong khi đó, mô hình hóa dự đoán luôn ước tính một kết quả cụ thể.
• AI tạo sinh: Mô hình hóa phân phối của chính dữ liệu để tạo văn bản, ảnh hoặc âm thanh mới; còn model dự đoán ánh xạ đầu vào sang giá trị mục tiêu.
• Suy luận nhân quả: Ước tính điều gì xảy ra khi có người can thiệp; model dự đoán không thể trả lời câu hỏi này chỉ từ các mối tương quan. Một model được huấn luyện trên hồ sơ viêm phổi từ thập niên 1990 đã học rằng bệnh nhân hen suyễn có nguy cơ tử vong thấp hơn vì những bệnh nhân đó thường được đưa thẳng vào khoa hồi sức tích cực; nếu hành động dựa trên dự đoán này, bệnh nhân có nguy cơ cao có thể đã bị cho về nhà.