# Практические кейсы

Эта глава сознательно не посвящена обучению моделей, выбору алгоритмов или тонкой настройке гиперпараметров. Мы будем считать, что наша модель уже существует и умеет выдавать вероятностный результат. Нас интересует не то, как модель получена, а что делать дальше с тем, что она вернула.

Все кейсы в этой главе показывают один и тот же принцип с разных сторон: вероятность начинает играть практическую роль на этапе использования модели – в интерпретации результатов, принятии решений и обновлении уверенности по мере поступления новой информации.

Мы будем рассматривать вероятность не как абстрактное число в диапазоне от 0 до 1 и не как субъективную "уверенность модели", а как рабочий инструмент, встроенный в процесс принятия решений. В одном случае вероятность помогает выбрать действие с минимальным ожидаемым риском, в другом – объяснить результат человеку, в третьем – скорректировать уже имеющееся убеждение.

Для наглядности примеры реализованы двумя способами:

* часть кейсов написана на чистом PHP, без использования ML-библиотек
* часть – с применением RubixML, чтобы показать, как те же идеи выглядят в реальном ML-коде, а не только в теории

При этом важно учитывать несколько принципиальных ограничений. RubixML используется минимально – только там, где он помогает сосредоточиться на вероятностной логике, а не на инфраструктуре. Код написан так, чтобы его можно было читать и понимать без глубокого знания библиотеки. Каждый кейс завершается выводом: что именно даёт вероятность в данном сценарии и почему простого выбора "класса с максимальной вероятностью" недостаточно.

Далее – сами кейсы.

* [Кейс 1. Фильтр спама: вероятность ≠ решение](https://apphp.gitbook.io/ai-for-php-developers/chast-iii.-klassifikaciya-i-veroyatnosti/veroyatnost-kak-stepen-uverennosti/prakticheskie-keisy/keis-1.-filtr-spama-veroyatnost-reshenie)\
  \&#xNAN;*Как порог и цена ошибки превращают вероятность в действие*

***

{% hint style="success" %}

#### Дополнительные материалы доступны в PRO версии книги

**Кейсы:**

* 🔒 **Кейс 2. Медицинский тест: обновление уверенности (Байес)**\
  \&#xNAN;*Почему редкие события ломают интуицию и как учитывать базовую вероятность*
* 🔒 **Кейс 3. Многоклассовая классификация и softmax**\
  \&#xNAN;*Как модель распределяет уверенность между несколькими вариантами*
* 🔒 **Кейс 4. Переуверенная модель как сигнал проблемы**\
  \&#xNAN;*Почему слишком высокая уверенность может указывать на ошибки в модели*
* 🔒 **Кейс 5. Обновление уверенности при новых данных**\
  \&#xNAN;*Как новая информация меняет оценку вероятности*

\
В **PRO версии** вы получите:

* пошаговое объяснение для каждого кейса
* примеры кода на чистом PHP и с использованием библиотек ML
* объяснение практического применения методов машинного обучения

Практические кейсы показывают, как применять методы машинного обучения для решения реальных задач PHP-разработчика.<br>
{% endhint %}

{% hint style="info" icon="lock-keyhole-open" %}

#### **Получить доступ к PRO кейсам**

<a href="https://www.paypal.com/ncp/payment/Y8TQT4UDATXKQ" class="button primary" data-icon="cc-paypal">Безопасная оплата через PayPal</a>

После оплаты вы получите ссылку на PRO материалы.
{% endhint %}