Video: Moara Cu Noroc: Particularități De Construcție A Unui Personaj: GHIȚĂ 2024
O parte din analiza predictivă pentru chestiuni Cheat Sheet
Un proiect de analiză predictivă de succes este executat pas cu pas. Pe măsură ce vă scufundați în detaliile proiectului, urmăriți aceste etape majore:
-
Definirea obiectivelor de afaceri
Proiectul începe cu utilizarea unui obiectiv de afaceri bine definit. Modelul trebuie să abordeze o problemă de afaceri. Afirmând în mod clar că acest obiectiv vă va permite să definiți domeniul de aplicare al proiectului dvs. și vă va oferi un test exact pentru a măsura succesul acestuia.
-
Pregătirea datelor
Veți utiliza date istorice pentru a vă instrui modelul. Datele sunt de obicei împrăștiate în mai multe surse și pot necesita curățare și pregătire. Datele pot conține înregistrări duplicate și valori depășite; în funcție de analiză și de obiectivul afacerii, decideți dacă să le păstrați sau să le eliminați. De asemenea, datele ar putea avea valori lipsă, pot necesita o anumită transformare și pot fi folosite pentru a genera atribute derivate care au o putere predictivă mai mare pentru obiectivul dvs. În ansamblu, calitatea datelor indică calitatea modelului.
-
Eșantionarea datelor dvs.
Va trebui să vă împărțiți datele în două seturi: antrenament și seturi de date de testare. Construiți modelul utilizând setul de date de antrenament. Utilizați setul de date de testare pentru a verifica acuratețea ieșirii modelului. A face acest lucru este absolut crucial. În caz contrar, aveți riscul de a suprasolicita modelul dvs. - antrenați modelul cu un set de date limitat, până la punctul în care preia toate caracteristicile (atât semnalul, cât și zgomotul) care sunt valabile numai pentru acel set de date. Un model care este suprasolicitat pentru un anumit set de date va funcționa necorespunzător atunci când îl executați pe alte seturi de date. Un set de date de testare asigură o modalitate validă de a măsura cu precizie performanța modelului.
-
Uneori, datele sau obiectivele de afaceri se potrivesc unui algoritm sau model specific. Alteori, cea mai bună abordare nu este atât de clară. În timp ce explorați datele, executați cât mai mulți algoritmi pe măsură ce puteți; comparați rezultatele acestora. Alegeți modelul final pe rezultatele generale. Uneori este mai bine să rulați simultan un ansamblu de modele pe date și să alegeți un model final prin compararea rezultatelor.
Implementarea modelului
-
După construirea modelului, trebuie să îl implementați pentru a beneficia de el. Acest proces poate necesita o coordonare cu alte departamente. Scopul de a construi un model care poate fi implementat. De asemenea, asigurați-vă că știți cum să prezentați rezultatele dvs. părților interesate în afaceri într-un mod ușor de înțeles și convingător, astfel încât să vă adoptați modelul.După ce modelul este implementat, va trebui să monitorizați performanța acestuia și să îl îmbunătățiți în continuare. Cele mai multe modele se descompun după o anumită perioadă de timp. Păstrați-vă modelul actualizat, actualizându-l cu datele noi disponibile.