Что такое uplift моделирование

Uplift моделирование — это подход в машинном обучении, который оценивает индивидуальный эффект воздействия (например, маркетинговой кампании) на поведение клиента. В отличие от классических моделей, которые предсказывают вероятность отклика, uplift модели предсказывают разницу между вероятностью отклика с воздействием и без него (т.н. uplift score).

Пример кода (Python, библиотека causalml):

from causalml.inference.meta import BaseXRegressor
import pandas as pd

# Данные: X — фичи, y — целевая переменная, treatment — факт воздействия
X, y, treatment = load_data()  

# Обучение uplift модели
uplift_model = BaseXRegressor()
uplift_model.fit(X, treatment, y)

# Предсказание uplift для новых данных
uplift_scores = uplift_model.predict(X_new)

Ключевые методы:

• Meta-learner (S-, T-, X-learners)
• Деревья uplift (Causal Forest, Uplift Random Forest)
• Two-model approach (разность предсказаний двух моделей)

Применение: таргетирование рекламы, A/B-тесты, персонализированные скидки.