Chương 1 TỔNG QUAN Chương đầu tiên sẽ tổng quát hóa công trình nghiên cứu và trình bày kết cấu của luận văn.1 Tính cấp thiết của đề tài Thế kỉ XXI đánh dấu bước tiến bộ mạnh mẽ của nhiều ngành khoa học. Cuộc cách mạng công nghiệp 4.0 cũng đánh dấu sự vực dậy của trí tuệ nhân tạo, internet vạn vật, dữ liệu lớn và nhiều hơn thế nữa. Với sự tiến bộ cả về dân trí và điều kiện sống, con người chắc chắn không ngừng đặt những mục tiêu cao hơn. Điển hình là những mô hình máy học hiện nay đã khắc phục hạn chế của chính nó trong nhiều năm trước.
Từ bài toán phân loại đơn giản, đến nay, chúng ta đã xây dựng thành công các hệ thống phức tạp như xử lý hình ảnh, video theo thời gian thực, hay ứng dụng trong an ninh mạng, thương mại điện tử, Y học với tốc độ và độ chính xác vượt trội. Nhưng như đã đề cập, đó vẫn chưa phải là giới hạn. Vài năm trở lại đây, ý tưởng về những cỗ máy có khả năng đưa ra kết quả dựa trên đặc tính nhân quả được đề cập trong nhiều bài báo nghiên cứu nước ngoài. Sự vượt trội giúp máy học ra khỏi biên giới về tương quan đơn thuần giữa các biến độc lập – phụ thuộc truyền thống.
Không phải lĩnh vực quen thuộc, suy luận nhân quả lại chứa đựng quan điểm mang tính thực tế hơn. Bắt đầu từ câu hỏi phức tạp rằng kết quả sẽ thay đổi ra sao khi tác nhân thay đổi, các máy học truyền thống sẽ khó đảm bảo cho ra kết quả thuyết phục vì chúng không được thiết kế cho mục đích cụ thể như vậy. Tính tương quan từ lâu là cơ sở cho máy học truyền thống. Dự đoán có thể dựa trên tính tương quan đơn thuần.
Tuy vậy, cơ sở thiếu yếu tố nhân quả khiến dự đoán khó trở thành gợi ý ra quyết định hay ra quyết định. Quyết định nói đến ở đây có tính quan trọng như chiến lược trong kinh doanh, chính sách vĩ mô, thử nghiệm thuốc. Giải pháp suy luận nhân quả, với mục tiêu ước lượng hiệu ứng liệu pháp, được xây đựng để giải quyết vấn đề trên. Với thử nghiệm lâm sàng trong Y học, ước lượng 8 hiệu quả liệu pháp điều trị là công việc thiết yếu để hiểu rõ hơn về thuốc.
Còn trong lĩnh vực kinh tế, mô hình suy luận nhân quả cho ra hiệu ứng của chính sách bán hàng, thường được gọi là độ co giãn của cầu theo giá. Ngoài chiến lược định giá sẽ bàn ở mục sau, mô hình vừa đề cập có thể được vận dụng trong thương mại điện tử qua tác vụ học tỉ lệ nhấp chuột vào đường dẫn, hình ảnh trên trang web, gợi ý định giá tối ưu. Dễ dàng thấy được phạm vi áp dụng của phương pháp suy luận nhân quả dù mang tính đặc thù nhưng vẫn rộng và thực tế.2 Mục tiêu và đối tượng nghiên cứu Nghiên cứu ứng dụng mô hình suy luận nhân quả Rừng Ngẫu Nhiên Trực Giao, cải tiến đề xuất cho mô hình và đánh giá cải tiến trên. Đối tượng nghiên cứu là các mô hình máy học suy luận nhân quả nổi bật những năm vừa qua cùng các công trình ước lượng nghiệm liên quan đến cải tiến.3 Nhiệm vụ nghiên cứu và giới hạn - Nhiệm vụ nghiên cứu là giới thiệu lý thuyết về các thuật toán tiêu biểu và chiến lược định giá, đưa ra cái nhìn tổng quan về khía cạnh vận dụng thực tế trong một mục đích cụ thể.
- Lập luận, phân tích, chứng minh bằng thử nghiệm phương pháp gốc và giải pháp cải tiến ước lượng nghiệm với Rừng Ngẫu Nhiên Trực Giao.4 Phương pháp nghiên cứu Phương pháp nghiên cứu tài liệu: Các tài liệu được tham khảo phù hợp với nhiệm vụ, giới hạn và mục đích nghiên cứu. Những yếu tố cần tiếp thu gồm lý thuyết, kết quả thử nghiệm trước đây, phương pháp xây dựng mô hình giả lập. - Phương pháp thống kê, đối chiếu: Các thử nghiệm được chạy nhiều lần và hệ số lỗi sẽ là cơ sở để so sánh, đánh giá khách quan. - Phương pháp thử nghiệm: Thực nghiệm trên dữ liệu thật rất khó để đánh giá hiệu quả mô hình.
Ngược lại, thử nghiệm trên mô hình giả lập khắc phục vấn đề này. 9 - Phương pháp phân tích đồ thị: Khi áp dụng thực tiễn, các suy luận được thể hiện không chỉ qua những con số, mà còn dựa trên cơ sở là các đồ thị.5 Ý nghĩa thực tiễn của đề tài Suy luận nhân quả là một lựa chọn bên cạnh máy học truyền thống. Với cái cách khoa học kết hợp tính nhân quả cùng với mô hình có sẵn, không quá khó để hình dung việc áp dụng ý tưởng còn khá mới mẻ này trong thực tiễn. Qua một loạt giới thiệu, dễ dàng nhận thấy suy luận nhân quả cho phép vận dụng tri thức của con người.
Câu hỏi “nếu làm thế này thì sẽ ra sao”, “liệu chiến lược này sẽ tác động thế nào” đều rất cần những hiểu biết có sẵn. Chúng là những vấn đề mà từ trong bản chất đã mang quan hệ nhân quả. Ứng dụng cho chiến lược định giá là hoàn toàn khả thi và thực tiễn. Dù là các doanh nghiệp hay nhỏ hơn là hộ kinh doanh nhỏ lẻ, định giá là nghiệp vụ thiết yếu.
Định giá có nhiều phương pháp. Khi áp dụng với mô hình, mỗi phương pháp có thể sẽ cho ra các suy luận, quyết định chiến lược khác nhau. Trong giai đoạn mà thương mại điện tử đang lên ngôi, sự cạnh tranh ngày càng khốc liệt. Những yếu tố như khoảng cách địa lý, mặt bằng cửa hàng sẽ không còn tác động quá lớn đến quyết định của khách hàng.
Thị trường trở nên màu mỡ, nhưng cơ hội cũng sẽ trôi qua nhanh hơn. Một hệ thống gợi ý chiến lược được kỳ vọng sẽ đóng vai trò thiết thực trong tương lai và mang lại lợi thế lớn cho các doanh nghiệp.6 Kết cấu của luận văn Chương hai sẽ gồm nội dung lý thuyết về từng thuật toán và phương pháp chiến lược định giá. Chương ba hệ thống hóa nhằm bao quát tình hình nghiên cứu những năm gần đây. Chương bốn tập trung trình bày cải tiến mô hình Rừng Ngẫu Nhiên Trực Giao.
Sau đó, kết quả thử nghiệm và thực nghiệm được trình bày ở chương năm. 10 Chương 2 CƠ SỞ LÝ THUYẾT Chương này trình bày các cơ sở lý thuyết liên quan đến suy luận nhân quả và chiến lược định giá trong thương mại.1 Suy luận nhân quả 2.1 Hồi quy tuyến tính Phương pháp hồi quy tuyến tính đã được áp dụng từ năm 1805 bởi nhà nghiên cứu thống kê người Pháp Legendre. Đáng chú ý, mãi đến năm 1941, chiếc máy tính có thể lập trình đầu tiên mới xuất hiện. Xét về khía cạnh bản chất, hồi quy không bắt đầu từ lĩnh vực máy học.
Các đề xuất phương pháp hồi quy kinh điển đều đến từ thống kê và kinh tế lượng. Dù có những hạn chế về mặt công nghệ, nghiên cứu đương thời đã trở thành nền tảng cho sự phát triển mô hình sau này như rừng ngẫu nhiên, hồi quy ứng dụng mạng nơ-ron. Mục tiêu của hồi quy là kiểm tra quan hệ giữa các biến một cách cơ bản bằng cách tối thiểu giá trị lỗi (thường kí hiệu 𝜀). Mô hình hồi quy tuyến tính thể hiện bằng phương trình bậc nhất: 𝑦 = 𝑎𝑥 + 𝜀 (1) Trong đó, 𝑥 là ma trận cho biến độc lập, 𝑦 là biến phụ thuộc/hệ quả, 𝜀 là hệ số lỗi và 𝑎 là hệ số của 𝑥.
Hàm trên thực chất chỉ là giả định mang tính toán học, và nếu chỉ như thế thì những nhà phân tích không thể biết chắc 𝑦 biến đổi theo 𝑥 như thế nào [1]. Hồi quy tuyến tính giả định rằng chúng có mối quan hệ bằng một đẳng thức đơn giản. Nếu giá trị lỗi quá lớn, các giải pháp hồi quy khác, với giả định bằng một hàm phức tạp hơn có thể sẽ cải thiện hiệu quả. Đó cũng là lý do hồi quy còn được xem là các phương pháp kiểm tra bên cạnh mục đích dự đoán giá trị thường thấy bên máy học.
Đáng chú ý, hồi quy tuyến tính vẫn còn được sử dụng rất nhiều vì giảm thiểu hiện tượng over-fitting. 11 Quan hệ được nói đến trước đó mang tính tương quan. Các mô hình máy học dựa trên tính tương quan như vậy giúp bỏ qua các yếu tố nằm trong mối quan hệ này. Ý tưởng sẽ dễ dàng biểu diễn bằng hàm toán học và xa hơn nữa, tiềm năng áp dụng các phương pháp toán học cũng thuận lợi hơn.
Tuy nhiên, kết quả là một mô hình bị hạn chế về mặt suy luận. Một cách chi tiết, tương quan giới hạn mô hình ở việc dự đoán, nhưng quá ít cơ sở để hỗ trợ ra quyết định, đặc biệt là quyết định dễ chi phối bởi nhiều yếu tố phức tạp. Ngoài ra, xét về việc cải thiện hiệu quả khi gợi ý quyết định không nên bao hàm yếu tố đúng đắn của giả định dù vai trò của giả định là rất lớn. Nếu giả định không thực tế, ta có thể thay thế chúng hoặc toàn bộ giải pháp, thực hiện thử nghiệm đánh giá như một cách kiểm tra độ khớp giữa tổng thể mô hình với bộ dữ liệu.
Tuy vậy, hồi quy vẫn được kế thừa trong các giải pháp khắc phục sẽ đề cập rõ ở mục 3.2 Hiệu ứng liệu pháp dựa trên nhân quả Bên thống kê về sau hệ thống hóa nhân quả thành ngành học suy luận nhân quả. Mô hình liên quan có nhiệm vụ ước lượng hiệu ứng dựa trên mối quan hệ đa dạng do tính nhân quả. Hai nhóm biến cần quan tâm là biến nhiễu (confounder) và biến điều khiển (instrumental variable). Biến nhiễu có tính chất chi phối biến độc lập và biến phụ thuộc.
Các biến điều khiển thay vào đó chỉ tác động đến biến độc lập. Việc phân loại này gần như chỉ dựa trên kiến thức có sẵn của con người. Phân loại biến trong các bài toán cụ thể cũng đồng nghĩa tri thức con người tham gia một phần trong xây dựng mô hình. Khái niệm hiệu ứng được đề cập nhiều trong nghiên cứu khoa học.
Các hiệu ứng đi cùng với một biến liệu pháp rất khó xác định chính xác, đặc biệt là trong tình huống nghiên cứu quan sát. Ví dụ dưới đây giúp hiểu thêm về thực tế này: Một doanh nghiệp bánh snack nghĩ ra ý tưởng sau: Trong mỗi bịch bánh sẽ có ngẫu nhiên thẻ cầu thủ bóng đá nổi tiếng giải Ngoại Hạng Anh. Mỗi đội bóng sẽ có đủ mười một thẻ ứng với mười một cầu thủ chính. 12 Hầu hết dữ liệu thu thập đều từ quan sát và các thử nghiệm thuộc nhóm nghiên cứu quan sát.