Regresja, klasyfikacja, klasteryzacja: co wybrać i kiedy?

Najpierw nazwij problem: „ile?”, „czy?”, czy „kto do kogo jest podobny?”

Wybór między regresją, klasyfikacją i klasteryzacją zacina się zwykle na pierwszym pytaniu: jaki właściwie jest kształt Twojego celu? Jeśli to nie jest jasne, algorytmy będą strzelać na oślep. Zanim więc cokolwiek wytrenujesz, odpowiedz sobie na trzy proste pytania.

„Ile?” – zadania regresyjne

Gdy przewidujesz liczbę ciągłą (cena, czas, popyt, temperatura), mówimy o regresji. W wariantach specjalnych przewidujesz percentyle (np. czas dostawy P90), logarytm wartości (gdy rozkład jest mocno prawostronny) albo różnicę do trendu (w szeregach czasowych).

„Czy?” – zadania klasyfikacyjne

Gdy wynik to etykieta (spam/nie-spam, churn/nie-churn, typ produktu), to klasyfikacja. Może być binarna, wieloklasowa, wieloetykietowa lub porządkowa (np. ocena w skali 1–5, gdzie 5 jest „większe” od 4).

„Kto do kogo podobny?” – zadania klasteryzacyjne

Gdy nie masz etykiet i chcesz grupować obserwacje po podobieństwie (segmentacja klientów, grupy ofert, wykrywanie tematów), używasz klasteryzacji. To metoda nienadzorowana: najpierw szukasz struktury, potem nadajesz sens biznesowy tym grupom.

Krótki brief decyzyjny: pytania, które prowadzą do wyboru

Przed wejściem w algorytmy odpowiedz na kilka praktycznych pytań. To one podpowiedzą, czy i co trenować, jak mierzyć sukces i czego unikać.

• Czy wynik biznesowy jest liczbą, etykietą, czy hipotezą o podobieństwie?
• Jakie są koszty różnych typów błędów (niedoszacowanie vs przeszacowanie, false positive vs false negative)?
• Czy masz etykiety? Jeśli nie – czy klasteryzacja ma pomóc je zbudować?
• Jak duży i czysty masz zbiór danych? Czy klasy są niezbalansowane? Czy dane są czasowe lub grupowane?
• Jak ważna jest interpretowalność i szybkość predykcji w produkcji?
• Jak będziesz walidował model (czas, grupy, leakage)?
• Jakie metryki odpowiadają KPI (MAE vs MAPE, recall vs precision, PR-AUC vs ROC-AUC)?
• Czy w razie sukcesu potrafisz wdrożyć i monitorować model (drift, rekalkibracja, próg decyzyjny)?

Mapa porównawcza: regresja, klasyfikacja, klasteryzacja

Dla porządku – szybkie zestawienie różnic, typowych metryk i przykładów. Prosto, bez przepiśników akademickich.

Regresja: kiedy przewidujesz „ile?” i jak nie przeszacować problemu

Wskaźnik ciągły i konsekwencje wyboru

Regresja to wybór, gdy cel jest liczbowy i ma sens w skali ciągłej. Jeśli Twoje „ile” to w rzeczywistości kilka etykiet (np. poziomy ryzyka: niski/średni/wysoki), rozważ klasyfikację porządkową lub progową kalibrację, zamiast regresji z późniejszym zaokrąglaniem. To częsty antywzorzec: model regresyjny „dobrze wygląda” w RMSE, ale fatalnie rozdziela poziomy ryzyka po zaokrągleniu.

Metryki a koszt biznesowy

Dobranie metryki do kosztów to połowa sukcesu:

• MAE – odporniejsze na outliery niż RMSE, interpretuje się prosto („średni błąd w jednostkach celu”).
• RMSE – karze duże błędy bardziej, dobre gdy „wtopa” boli wykładniczo.
• MAPE – sensowny przy skalach dodatnich i braku zer. Uwaga na obiekty o małej wartości – metryka wariuje.
• RMSLE – przydaje się przy rozkładach z długim ogonem i gdy nie chcesz przesadnie karać niedoszacowań/wysokich wartości.
• Quantile loss (pinball) – świetna, gdy koszt jest asymetryczny: np. przewidywanie czasu dostawy P90, by rzadziej spóźniać się wobec klienta.

Algorytmy na start i co z ich wymaganiami

Na pierwszy ogień najczęściej wchodzą: regresja liniowa/Elastic Net (szybka, interpretowalna), Random Forest (odporna na nieliniowości), oraz gradient boosting (XGBoost, LightGBM, CatBoost) – zwykle najlepszy kompromis jakości do czasu. Dla danych o wielu kategoriach CatBoost często wygrywa prostotą – nie wymaga agresywnego one-hot i dobrze radzi sobie z brakami. Gdy liczba cech jest ogromna (teksty, obraz), rozważ sieci neuronowe lub gotowe reprezentacje (embeddingi) + model płytki.

Walidacja i pułapki

Typowe błędy w regresji:

• Losowa walidacja w szeregach czasowych – wprowadza przewidywanie „z przyszłości w przeszłość”. Używaj walidacji kroczącej.
• Data leakage przez cechy zbudowane na całym zbiorze (np. target encoding bez podziału na foldy).
• Ignorowanie heteroskedastyczności – gdy wariancja błędu rośnie z wartością, rozważ transformację celu lub ważoną metrykę.
• Outliery – potrafią „pociągnąć” RMSE, ale też niosą informację. Osobno zbadaj ich wpływ i sens biznesowy.

Kiedy regresja nie ma sensu

Jeżeli próbujesz przewidzieć wynik egzaminu w skali 1–5, ale jedynie poziomy są istotne, klasyfikacja porządkowa będzie rozsądniejsza. Podobnie, jeśli prognozujesz popyt, ale realnie zamawiasz w „paczki” po 10 sztuk – uwzględnij dyskretyzację w funkcji celu albo planuj decyzyjnie (prognoza → reguła zamówienia), zamiast liczyć na „ładny” RMSE.

Klasyfikacja: „czy?” ma więcej odcieni niż prosty accuracy

Warianty problemu i wybór metryki

W klasyfikacji pierwszy wybór to typ: binarna, wieloklasowa, wieloetykietowa, porządkowa. Każdy z nich niesie inne konsekwencje:

• Binarna – najczęstsza (fraud, churn). Główne metryki: Precision, Recall, F1, PR-AUC, ROC-AUC. Gdy klasy są rzadkie, PR-AUC bywa lepszym kompasem niż ROC-AUC.
• Wieloklasowa – np. kategoria produktu. Dobrze liczyć macro/micro-averaged F1, bo rozkład klas zwykle jest nierówny.
• Wieloetykietowa – dokument może mieć kilka tagów. Tu metryki typu subset accuracy są zbyt surowe; użyj macro F1 per etykieta lub Jaccard.
• Porządkowa – poziom ryzyka 1–5. Sensowne są metryki uwzględniające dystans (Quadratic Weighted Kappa) lub utrata karząca pomyłki „o dwa poziomy” bardziej.

Próg, kalibracja i koszty błędów w praktyce

Model klasyfikacyjny nie kończy pracy na „procentach”. Trzeba jeszcze ustawić próg decyzji. Dwa kroki robią różnicę:

• Kalibracja prawdopodobieństw – Platt (logistyczna) lub izotoniczna na walidacji. Dzięki temu 0,7 naprawdę znaczy ~70% szansy. Sprawdź krzywą niezawodności i Brier score.
• Dobór progu pod koszt – zamiast maksymalizować F1 w ciemno, policz oczekiwany koszt przy różnych progach (macierz kosztów). Np. przy fraudzie czasem opłaca się obniżyć próg, by złapać więcej podejrzanych transakcji kosztem dodatkowych kontroli.

Pro tip z życia: gdy zespół operacyjny ma ograniczoną przepustowość (np. 200 leadów dziennie), optymalizuj „Recall @ k” albo „Precision przy top-k”, a nie ogólne AUC.

Nierównowaga klas: strategie, które działają

Rzadkie klasy potrafią wyprowadzić metryki na manowce. Zamiast „accuracy 99%” wybierz narzędzia pasujące do skali problemu:

• Ważenie klas (class_weight) – pierwszy i najbezpieczniejszy krok.
• Resampling – undersampling większości lub SMOTE/ADASYN dla mniejszości, ale zawsze w obrębie foldów, by nie wprowadzić leakage.
• Threshold moving – po trenowaniu na zbalansowanych wagach ustawiasz próg pod koszt/pojemność procesu.
• Metryki – PR-AUC, Recall@Precision≥X, MCC. Stratified CV, a w danych czasowych lub grupowych: TimeSeriesSplit/GroupKFold.

Startowe algorytmy i ich kompromisy

Na tablicach i w dashboardach rządzą proste wybory:

• Logistic Regression – szybka, skalowalna, dobrze działa na danych rzadkich (tekst). Wymaga standaryzacji i sensownego doboru cech.
• Drzewa/Boostingi (RF, XGBoost, LightGBM, CatBoost) – świetne na nieliniowości i interakcje. Często potrzebują kalibracji, za to dobrze znoszą brak liniowych założeń.
• Naive Bayes – prosty baseline do tekstu. Zaskakująco mocny, gdy dane są bardzo rzadkie.
• SVM (liniowy) – dobry na wysokowymiarowe, ale trudniejszy w kalibracji. Wersje nieliniowe są ciężkie wdrożeniowo.
• Embeddings + płytki klasyfikator – przy obrazie/tekście często wygrywa: weź gotowe reprezentacje i naucz prostą warstwę decyzyjną.

Walidacja bez złudzeń

Żeby nie trenować „na przyszłości”, dopasuj walidację do danych:

• Serie czasowe – walidacja krocząca, żadnego mieszania dni.
• Grupy (klient, użytkownik, sklep) – GroupKFold, by przykład z tej samej grupy nie wpadł jednocześnie do train i val.
• Feature engineering i selekcja – zawsze wewnątrz pipeline’u CV, inaczej ryzyko leakage rośnie jak drożdże.

Klasteryzacja: kiedy grupy naprawdę pomagają

Klasteryzacja ma sens, gdy:

• Brakuje etykiet, a chcesz zmapować przestrzeń problemu (segmenty klientów, typy zachowań).
• Szukanie anomalii: gęste „normalne” masy i punkty odstające (DBSCAN/HDBSCAN potrafią wyłapać szum).
• Chcesz zrobić featury: identyfikator klastra, odległość do centroidu czy gęstość bywa świetnym sygnałem dla modelu nadzorowanego.

Z kolei strata czasu, gdy masz już etykiety i jasny KPI – wtedy nadzorowane podejście szybciej da wartość. Do wyboru sałatki owocowej z metryk też nie namawiamy.

Dobór metody do kształtu danych

• k-means – sferyczne, podobne gęstości, standardyzowane cechy. K wybierasz heurystycznie (elbow, silhouette), a nie objawieniem.
• GMM – elipsoidalne klastry, miękkie przypisania (przydają się jako „prawdopodobieństwa segmentu”).
• DBSCAN/HDBSCAN – zmienna gęstość, obecność szumu, liczba klastrów wychodzi z danych. Wrażliwe na skalę i metrykę.
• Hierarchiczna – dobra do eksploracji; drzewo klastrów ułatwia rozmowę z biznesem („tu przetniemy na 5 segmentów”).
• Spektralna – nieliniowe, „półksiężycowe” struktury, ale kosztowna obliczeniowo (macierz podobieństwa).

Jak ocenić, że grupy mają sens

Bez etykiet nie ma złotego standardu, ale są sygnały jakości:

• Metryki wewnętrzne: silhouette, Davies–Bouldin, Calinski–Harabasz. Traktuj jako wskazówki, nie wyrocznię.
• Stabilność – powtarzalność klastrów przy bootstrapie/innym seedzie.
• Walidacja biznesowa – różnice w KPI między klastrami (np. konwersja, ARPU) oraz sensowne „persony”. Jeśli klastry nie różnią się w niczym istotnym, odłóż je na półkę.

Po klasteryzacji: od segmentów do działania

• Etykietowanie klastrów i reguły – szybkie kampanie, rekomendacje, priorytety obsługi.
• Modele per segment – osobne klasyfikatory/regresje dla różnych grup mogą poprawić trafność.
• Active learning – wybierz reprezentantów klastrów do ręcznego oznaczenia, by szybko zbudować nadzorowany model.
• Monitoring – segmenty „pływają”. Zaplanuj przeliczenia (np. co kwartał) i alarmy na drift rozkładów.

Kiedy klasteryzacja przeszkadza

• Wysokowymiarowe, szumne cechy bez sensownej reprezentacji (najpierw redukcja wymiaru/embeddingi).
• Gdy i tak potrzebujesz binarnej decyzji z kosztem błędu – klasyfikacja da szybciej KPI.
• Gdy odległość to fikcja (różne skale, dominujące cechy). Brak standaryzacji zabija sens podobieństwa.

Które podejście dla kogo i kiedy

• Produkt/PM z jasno zdefiniowanym KPI – jeśli wynik to decyzja „tak/nie” lub kategoria, bierz klasyfikację; dobierz metrykę do kosztu i przepustowości. Gdy KPI to liczba, idź w regresję z właściwą funkcją straty (np. quantile).
• Data/Analityk z małym budżetem etykiet – zacznij od klasteryzacji + active learning, potem przełącz się na model nadzorowany.
• Inżynier wdrożeniowy z limitem opóźnienia/CPU – proste modele (logreg, małe drzewa) z dobrą kalibracją i progami. Boostingi, jeśli mieszczą się w SLO.
• Zespoły compliance/ryzyka – klasyfikacja z kontrolą progu i silnym monitoringiem driftu; dla regresji używaj metryk asymetrycznych, jeśli to odzwierciedla koszt.

Ścieżka pracy: od baseline’u do decyzji o wdrożeniu

1. Baseline bez ML lub model naiwny (średnia, reguła, majority class) – punkt odniesienia.
2. Szybka iteracja cech i prostych modeli (logreg/regresja liniowa, k-means jako eksploracja) na poprawnej walidacji.
3. Wybór metryk pod koszt i proces (MAE vs quantile, PR-AUC vs Recall@k). Ustal docelowe progi.
4. Model docelowy (boosting/DBSCAN itp.) + kalibracja/wybór K/parametrów na walidacji.
5. Test na danych z hold-outu lub w czasie (ostatnie okno). Sprawdź stabilność i wrażliwość na drift.

Regresja: gdy „ile?” nie znaczy „MSE i do domu”

Dobierz funkcję straty do kształtu błędu

Cel liczbowy bywa kapryśny. Różne rozkłady i koszty błędów wymagają innych funkcji straty:

• MAE vs MSE/RMSE – MSE mocniej karze duże pomyłki (dobre, gdy skrajne błędy są naprawdę kosztowne), MAE jest bardziej odporna na odstające wartości i lepiej oddaje medianowy błąd.
• Błąd asymetryczny – quantile (pinball loss). Gdy niedoszacowanie jest groźniejsze niż przeszacowanie (np. zapas magazynowy), ustaw tau > 0.5. Dla „lepiej dmuchać na zimne” wybierz wyższy kwantyl.
• Dane zliczane (0,1,2,…) – Poisson/NegBin z linkiem log. Nie ujemne prognozy, sensowna wariancja rosnąca z poziomem.
• Wiele zer + ogon – modele dwuczłonowe (hurdle/two-part): najpierw „czy zero?”, potem „ile jeśli >0”. Często wygrywa z jedną regresją wszystko-w-jednym.
• Skala procentowa i wzrosty – RMSLE bywa stabilniejszy niż RMSE; z MAPE uważaj przy zerach (dzieli przez zero) i małych wartościach.
• Oceny ocenzurowane/czasy do zdarzenia – rozważ survival (Cox, AFT) lub regresję kwantylową z uwzględnieniem cenzury, zamiast prób „naprawiania” MSE.

Metryki, które grają w jednej drużynie z biznesem

• MAE/RMSE – raportuj obie, gdy interesuje Cię i typowy i skrajny błąd.
• Pinball loss + pokrycie przedziałów – jeśli przewidujesz kwantyle/przedziały, sprawdzaj zarówno stratę kwantylową, jak i „coverage” (czy 80% przedział trafia ~80% przypadków).
• SMAPE/RMSLE – sensowne przy rozkładach log-normalnych i gdy proporcje są ważniejsze niż różnice bezwzględne.

Mała wskazówka: metryka raportowana zarządowi nie musi być metryką trenowania, ale niech nie przeczy temu, co optymalizuje algorytm.

Rozsądne algorytmy na start i ich kompromisy

• Regresja liniowa + Ridge/Lasso/Elastic Net – szybka, przewidywalna, dobra do bazelinu i interpretacji współczynników. Wymaga standaryzacji i kontroli współliniowości.
• GBDT (XGBoost/LightGBM/CatBoost) – mocne na nieliniowości, wspierają quantile/Tweedie/Poisson. Często najlepszy „one-size-fits-most”.
• Random Forest Regressor – stabilny baseline, ale bywa wolniejszy i mniej precyzyjny przy skomplikowanych interakcjach niż boosting.
• GLM (Poisson, Gamma, Tweedie) – gdy ważna jest zgodność z rozkładem i prosta interpretacja linku.
• Quantile Regression (GBDT/QRF) – gdy potrzebne są scenariusze pesymistyczne/realistyczne/optymistyczne.
• SVR/kNN Regressor – niszowe w produkcji (skalowanie!), ale czasem dają szybki punkt odniesienia.

Walidacja w regresji: pułapki do ominięcia

• Serie czasowe – nie mieszaj przyszłości z przeszłością; użyj walidacji kroczącej.
• Grupy i lokalne zależności – GroupKFold/LeaveOneGroupOut (np. sklepy/urządzenia), by nie przeciekała informacja o stałych efektach.
• Transformacje celu/cech – standaryzacja, log, target encoding tylko wewnątrz foldów CV. Inaczej leakage murowany.

Regresja czy klasyfikacja przy tym samym KPI? Test lakmusowy

Gdy masz liczbę i kuszą „koszyki” lub progi, pomyśl o konsekwencjach. Poniżej szybkie porównanie decyzji:

• Unikaj „regresja + zaokrąglanie do klas” – tracisz informację o niepewności i porządku.
• Gdy kosze są uporządkowane (1–5), rozważ klasyfikację porządkową lub regresję z dyskretyzacją tylko na wyjściu raportowym.
• Jeśli finalnie liczy się ranking (kto trafi do top-k), regresja lub klasyfikacja z dobrze skalibrowanym scorem zwykle zagrają podobnie – wybierz prostsze wdrożeniowo.

Jeśli decyzja operacyjna naprawdę obraca się wokół jednego progu, klasyfikacja upraszcza życie: łatwiej kalibrować wynik do prawdopodobieństwa, ustawiać próg pod przepustowość i monitorować go w czasie. Trik produkcyjny: utrzymuj celowy odsetek pozytywów (np. stały wolumen wniosków do weryfikacji) i automatycznie dosuwaj próg, gdy zmienia się napływ danych. Warunek konieczny: kalibracja (isotonic/Platt) i dashboard, który pokazuje Expected Positive Rate vs. capacity — bez tego próg „ucieknie”, a kolejka zapełni się szybciej niż arkusz Excela nowymi kolumnami.

Klasyfikacja: decyzje „czy?” bez zgadywania progu

Gdy wynik kończy się etykietą, kluczowe stają się dwa elementy: kalibracja prawdopodobieństwa i świadomy dobór progu pod koszty oraz pojemność procesu. Jeden próg rzadko pasuje do wszystkich – nie róbmy z niego religii.

Metryki skrojone pod koszt i proces

• PR-AUC – właściwa, gdy klasa pozytywna jest rzadka; pokazuje, co dzieje się tam, gdzie naprawdę będziesz pracować (Top-N).
• Precision@k / Recall@k – najlepsze, gdy masz stałą przepustowość (np. zespół sprawdzi do k spraw dziennie).
• F-β – gdy chcesz jawnie „przewalczyć” recall nad precision (β>1) lub odwrotnie (β<1).
• Brier score + krzywe kalibracji – czy p=0.2 naprawdę oznacza 20%? Bez tego próg pływa jak tratwa.
• ROC-AUC – dobry sanity check dla rankingów, ale przy silnej nierównowadze bywa mylący.
• Oczekiwany koszt decyzji – użyj macierzy kosztów i znajdź próg minimalizujący stratę przy danych ograniczeniach.

Nierównowaga klas i małe zbiory: co działa w praktyce

• Stratified CV + GroupKFold przy korelacjach wewnątrz grup (np. urządzenia, sklepy) – chroni przed zbyt optymistycznymi wynikami.
• Wagi klas vs. oversampling – zacznij od wag (class_weight). SMOTE itp. tylko wewnątrz foldów CV i raczej na cechach znormalizowanych.
• Przesuwanie progu zamiast „dokręcania” modelu – szybciej dostosujesz się do celu biznesowego przy stabilnym rankingu.
• PU learning (positive–unlabeled) – gdy masz tylko pozytywy i tło; alternatywa dla „negatywy z kapelusza”.
• Opóźnione etykiety – snapshoty walidacyjne bez wycieków (tylko przykłady z etykietą znaną w momencie decyzji).

Modele startowe i ich kompromisy

• Logistic Regression (+ regularizacja) – szybka, czytelna, świetna do bazelinu i cech liniowych; wymaga skalowania i dbałości o interakcje.
• GBDT (XGBoost/LightGBM/CatBoost) – mocne rankingi i obsługa nieliniowości; zazwyczaj potrzebują kalibracji (Platt/Isotonic), jeśli ważne są prawdopodobieństwa.
• Random Forest Classifier – stabilny baseline; bywa gorzej kalibrowany out-of-the-box niż boosting.
• Linear SVM/NB na tekst – świetne przy rzadkich wektorach (TF-IDF); po treningu dokalibruj do p(y=1).

Klasteryzacja w praktyce: dobór algorytmu i ocena jakości

Segmentacja ma sens, gdy „podobieństwo” rzeczywiście coś znaczy dla decyzji. Wybór algorytmu i miary odległości to 80% sukcesu.

Krótki przewodnik po algorytmach

• k-means – szybki, lubi kule (zbliżone wariancje, odległość euklidesowa). Wymaga standaryzacji. Wybór K: silhouette/gap, nie sam „łokieć z wykresu na oko”.
• GMM – elipsy, miękkie przypisania (prawdopodobieństwa klastra); przydatny, gdy wariancje różne.
• DBSCAN/HDBSCAN – kształty dowolne, wykrywa szum; potrzebuje sensownego eps/min_samples. Świetny na outliery, słabszy przy zróżnicowanych gęstościach.
• Spectral – gdy klastery są „na rozmaitości” (nieliniowe granice); pamiętaj o konstrukcji grafu podobieństwa i skalowaniu.

Ocena: nie tylko wewnętrzne indeksy

• Silhouette / Davies–Bouldin / Calinski–Harabasz – szybkie wskaźniki separacji, ale nie zastąpią walidacji biznesowej.
• Stabilność – powtórz klasteryzację po bootstrappingu/perturbacjach i policz zgodność (np. ARI) między biegami.
• Ewaluacja zewnętrzna – gdy później pojawiają się etykiety: ARI/NMI jako mierniki zgodności.
• Użyteczność downstream – czy segment jako feature poprawia precision@k? Jeśli tak, segmentacja pracuje na KPI, a nie na estetykę wykresu.

Uwaga narzędziowa: redukcja wymiaru (PCA) przed klasteryzacją często pomaga. UMAP/t-SNE – świetne do wizualizacji, ale dystanse po transformacji bywają zdradliwe; traktuj je eksploracyjnie.

Most między podejściami: łączenie w ścieżce decyzyjnej

• Klaster → etykiety → klasyfikacja – wybierz po 10–20 reprezentantów z każdego segmentu do ręcznego oznaczenia, wytrenuj model nadzorowany i przejmij stery metrykami.
• Id klastrów jako cecha – prosty feature, który bywa zaskakująco silny (zwłaszcza w tablicowych danych klient–produkt).
• Pseudo-labeling – gdy etykiet mało, a masz silny model bazowy; kontroluj jednak szum, używając tylko przykładów z wysoką pewnością.
• Problemy porządkowe – zamiast „regresja + zaokrąglanie”, użyj klasyfikacji porządkowej (proportional odds, ordinal boosting) lub regresji z monotonicznymi ograniczeniami po cechach kluczowych.

Mini porównanie: trzy zadania, różne konsekwencje

* ARI/NMI – gdy masz odniesienie (np. częściowe etykiety lub „prawie prawdę”).

Szybka checklista wyboru podejścia

• Jaki jest typ celu i decyzji: liczba, kategoria, czy eksploracja podobieństw?

Mapowanie problemu na typ zadania: krótkie scenariusze

• Prognoza popytu/frekwencji – potrzebujesz wartości liczbowej (ile sztuk/klientów). Wybór: regresja (MAE/Pinball dla kwantyli), a klasyfikacja tylko jako dodatni próg (np. „czy przekroczę 80% sali?”) do operacyjnej decyzji.
• Fraud/ryzyko zadłużenia – decyzja progowa + rzadkie przypadki. Wybór: klasyfikacja z kalibracją i PR-AUC/Precision@k; regresja ma sens, jeśli koszt zależy płynnie od skali szkody (loss given event).
• Segmentacja klientów do marketingu – nie masz etykiet ani jednoznacznego KPI. Wybór: klasteryzacja do hipotez i AB testów; szybko sprawdź, czy „segment jako feature” poprawia wyniki klasyfikacji rekomendacji/odpowiedzi na ofertę.
• Ocena jakości leadów (ranking sprzedaży) – liczy się top-k. Wybór: klasyfikacja lub regresja jako model rankingowy; kluczowe są metryki @k i stabilna kalibracja. Nie komplikuj, jeśli prosty model daje ten sam top-k.
• Ocena satysfakcji w skali 1–5 – porządek ma znaczenie. Wybór: klasyfikacja porządkowa lub regresja kwantylowa; unikaj „zaokrąglania z regresji”, bo gubi informację o niepewności.

Plan działania: od bazelinu do decyzji o wdrożeniu

1. Ustal decyzję i koszt – jaka akcja zależy od modelu i co boli bardziej (fałszywy alarm czy przeoczenie)? Z tego wynikają metryki i próg.
2. Zbuduj baseline:
   • Regresja: średnia/medianowa, GLM z kilkoma cechami.
   • Klasyfikacja: majority class, logistyczna z podstawowymi cechami.
   • Klasteryzacja: k-means po standaryzacji lub HDBSCAN dla szumu.
3. Walidacja jak w produkcji:
   • TimeSeriesSplit dla zadań czasowych i opóźnionych etykiet.
   • GroupKFold przy korelacjach w obrębie jednostek (klient, urządzenie, sklep).
   • Nie mieszaj sesji/rekordów tej samej jednostki między train/test.
4. Dobierz metryki pod koszt:
   • Regresja: MAE, RMSE, Pinball (kwantyle pod SLA); rozdziel koszt niedoszacowania i przeszacowania.
   • Klasyfikacja: PR-AUC, Precision@k, Brier + kalibracja, oczekiwany koszt.
   • Klasteryzacja: silhouette/stabilność + wpływ na downstream (czy pomaga innemu modelowi?).
5. Iteracje szybkie → kalibracja → próg/kwantyl:
   • Boosting/las losowy/logistyczna jako „mocny” etap, ale próg ustalaj na walidacji według kosztu.
   • Isotonic/Platt, gdy wynik ma być p(y=1) lub gdy sterujesz wolumenem pracy.
   • Dla regresji: kwantyle (np. p90) zamiast „średniej + margines na czuja”.
6. Test produkcyjny:
   • AB/zbliżony do produkcji shadow mode; monitoruj drift i kalibrację.
   • Champion–challenger: utrzymuj prosty model jako punkt odniesienia.
7. Monitoring i rekalibracja:
   • Stabilność progu/kwantyla vs. przepustowość i SLA.
   • Drift cech, drift etykiet, performance decay; alerty zanim „Excel doda nowe kolumny” sam z siebie.

Ryzyka, które zafałszowują wybór

• Wyciek czasowy – cechy znane dopiero po decyzji w treningu. Rozwiązanie: cięcia czasowe i „feature availability matrix”.
• Target encoding bez porządnego CV – wyciek przez średnie klas. Używaj wewnątrz foldów, z noise/regularizacją.
• Imputacja i skalowanie poza pipeline – transformacje dopasowane na całym zbiorze zaburzają walidację.
• „Łokieć” w k-means na oko – wybieraj K metryką i stabilnością, nie wrażeniem estetycznym wykresu.
• Nierównowaga klas oceniana ROC-AUC – ładnie wygląda, mało mówi o top-k. Przerzuć się na PR-AUC i metryki @k.
• Ordinalny cel traktowany jak nominalny – gubisz informację o porządku; sięgnij po modele porządkowe lub monotoniczne ograniczenia.
• Opóźnione etykiety mieszane z bieżącymi – walidacja zawyża wyniki. Zostaw bufor (lag) i snapshoty z „zamrożonymi” etykietami.
• K-means na kategoriach/mieszanych skalach – odległość euklidesowa nie rozumie kodów; rozważ Gower/embedingi albo modele mieszane.

Dla kogo które podejście ma najwięcej sensu

• Analityk/PM z KPI progowym (budżet, wolumen obsługi) – klasyfikacja z kalibracją i jasno ustawionym progiem; prosty dashboard do kontroli odsetka pozytywów.
• Data Scientist junior z celem liczbowym i sezonowością – regresja z GLM/GBDT, Pinball loss dla SLA, walidacja czasowa, potem dopiero „wodotryski”.
• Inżynier danych w projekcie eksploracyjnym – klasteryzacja do hipotez + szybkie AB; równolegle sprawdź, czy identyfikator klastra jako cecha poprawia model nadzorowany.
• Zespół ryzyka z małą liczbą fraudów – klasyfikacja z wagami klas, PR-AUC, PU learning gdy brak wiarygodnych negatywów.

Mini ściąga decyzyjna (ostatni checkpoint przed startem)

• Czy decyzja jest liczbowa (ile?), progowa/kategoryczna (czy/co?), czy eksploracyjna (podobieństwa)?
• Masz etykiety? Jeśli nie – zacznij od klasteryzacji i planu dosetykietowania (active learning, reprezentanci klastrów).
• Jaki jest koszt błędów i ograniczenia procesu (przepustowość, SLA, budżet)? Na tej podstawie wybierz metryki i próg/kwantyl.
• Struktura danych: czas/serializacja, grupy, nierównowaga klas, mała próba – to dyktuje walidację (TimeSeriesSplit/GroupKFold) i techniki (class_weight/kwantyle).
• Czy potrzebujesz prawdopodobieństw/pewności? Jeśli tak – kalibracja obowiązkowa i monitorowanie.
• Jakie są ograniczenia wdrożeniowe: latencja, interpretowalność, koszty utrzymania? Wybierz najprostszy model, który dowozi metryki.
• Czy „podobieństwo” jest definiowalne i użyteczne biznesowo? Jeśli nie, klasteryzacja poczeka – idź w nadzorowane.
• Plan testu produkcyjnego i rollbacku gotowy? Champion–challenger, alerty na drift, harmonogram rekalibracji.
• Minimalny baseline ustalony i zapisany (z seedami)? Bez tego nie wiesz, czy „lepsze” naprawdę jest lepsze.

Kiedy lepiej uważać: sygnały alarmowe przed wyborem

• Masz mało danych i rzadki pozytyw? Modele klasyfikacyjne będą miały wysoką wariancję. Rozważ proste GLM/GBDT z silną regularyzacją, wagi klas, a czasem nawet regresję na zagregowanej jednostce (tydzień/region) zamiast rekordu.
• Cel numeryczny z wieloma zerami (zero-inflated)? Jednostopniowa regresja będzie „ciągnąć” do zera. Użyj modelu dwuczęściowego: najpierw klasyfikacja „czy >0?”, potem regresja warunkowa „ile, jeśli >0?”.
• Brak stabilnej definicji podobieństwa? Klasteryzacja zamieni się w sesję artystyczną. Jeśli nie potrafisz w dwóch zdaniach opisać metryki sensownej biznesowo, wstrzymaj się i zbierz etykiety.