What-if analizi için yeniden örneklemeli regresyon yaklaşımı

Regresyon ve sınıflandırma modellerinin beklenilen performansı göstermesini engelleyen en yaygın problemlerden biri değişkenler arası güçlü korelasyon durumu yani çoklu bağlantı problemidir. Bu durum ortaya çıktığında, her bir değişkenin bağımlı değişken üzerindeki bireysel etkisini belirlemek zor olabilmektedir. Çoklu bağlantı varsa, modelden bir veya daha fazla ilişkili değişkenin kaldırılması veya bunların makine öğrenmesi modellerinden tutarlı sonuçlar almayı sağlamak için tek bir bileşik değişkene birleştirilmesi sıklıkla başvurulan yöntemlerdendir. Ancak, makine öğrenmesi modellerini gerçek yaşam problemlerine uygularken, tüm değişkenleri bir arada tutmak ve hedef üzerindeki bireysel etkilerini gözlemlemek bazen model performansından daha da önemli olabilmektedir. Bu ihtiyaç özellikle, birbirine bağlı süreçler ile ilerlyen iş modellerinde ortaya çıkmaktadır. Bu tip iş modellerinde süreçlerin birbiri ardına olması sebebiyle, her bir sürecin temsil ettiği değişken bir diğeriyle kuvvetli korelasyon içerir. Bu çalışmada; bu tip iş modelleri için, tüm bağımlı değişkenleri model içerisinde tutarak hedefle olan ilişkilerini açıklamaya çalışan yeni bir yaklaşım üzerinde durulacaktır. Bu yöntemin amacı çoklu bağlantı problemini çözmek değil, sadece bu problemin ortaya çıktığı durumlarda hedef değişkenle bağımlı değişkenlerin arasındaki ilişkiyi daha doğru bir biçimde yansıtmaktır. Önerilen yaklaşım, herhangi bir bağımsız değişkende belirli bir değişiklik olduğunda hem bağımlı hedef değişkeninde hem de diğer bağımsız değişkenlerde ne olacağını göstermeye çalışmaktadır. Bu yönüyle, ana hedefi makine öğrenmesi modellerinin girdi ve çıktı değişkenleri arasındaki ilişkiyi daha şeffaf ve yorumlanabilir bir şekilde açıklamak olan "açıklanabilir makine öğrenmesi" alanına da dokunmaktadır.