Video: Schema liniara a unei propozitii- clasa a patra 2025
Sunt disponibile alți algoritmi statistici, mineri de date și de învățare a mașinilor pentru a fi utilizați în modelul de analiză predictivă. Vă aflați într-o poziție mai bună de a selecta un algoritm după ce ați definit obiectivele modelului dvs. și ați selectat datele la care veți lucra. Unii dintre acești algoritmi au fost dezvoltați pentru a rezolva probleme de afaceri specifice, pentru a spori algoritmii existenți sau pentru a oferi noi capabilități - ceea ce poate face ca unele dintre ele să fie mai potrivite pentru scopurile dvs. decât altele. Puteți alege dintr-o gamă de algoritmi care să abordeze preocupările companiei, cum ar fi următoarele:
- Pentru segmentarea clientului și / sau pentru detectarea comunității în sfera socială, de exemplu, ai nevoie de algoritmi de grupare.
- Pentru păstrarea clienților sau pentru a dezvolta un sistem de recomandare, ați folosi algoritmi de clasificare.
- Pentru scorul de credit sau pentru prezicerea următorului rezultat al evenimentelor determinate de timp, ați folosi un algoritm de regresie.
Cu cât timpul și resursele permit, ar trebui să executați cât mai mulți algoritmi de tipul potrivit. Compararea diferitelor runde de algoritmi diferiți poate aduce rezultate surprinzătoare despre datele sau despre business intelligence încorporat în date. Acest lucru vă oferă o perspectivă mai detaliată asupra problemei de afaceri și vă ajută să identificați care variabile din datele dvs. au putere de predicție.
Unele proiecte de analiză predictivă reușesc cel mai bine construind un model de ansamblu, un grup de modele care operează pe aceleași date. Un model de ansamblu utilizează un mecanism predefinit pentru a colecta rezultate din toate modelele sale componente și pentru a oferi un rezultat final utilizatorului.
Modelele pot lua diferite forme - o interogare, o colecție de scenarii, un arbore de decizie sau o analiză matematică avansată. În plus, anumite modele funcționează cel mai bine pentru anumite date și analize. Puteți utiliza, de exemplu, algoritmi de clasificare care utilizează reguli de decizie pentru a decide rezultatul unui anumit scenariu sau tranzacție, abordând astfel de întrebări:
- Este posibil acest client să răspundă la campania noastră de marketing?
- Este posibil ca acest transfer de bani să facă parte dintr-o schemă de spălare a banilor?
- Este posibil ca acest solicitant de împrumut să fie implicat în împrumut?
Puteți utiliza algoritmi de grupare nesupravegheați pentru a găsi ce relații există în setul de date. Puteți utiliza aceste algoritmi pentru a găsi grupuri diferite în rândul clienților dvs., pentru a determina ce servicii pot fi grupate împreună sau pentru a decide, de exemplu, care dintre produsele pot fi comercializate.
Algoritmii de regresie pot fi utilizați pentru a prognoza date continue, cum ar fi prezicerea tendinței de mișcare a stocurilor, date fiind prețurile sale anterioare.
Arborii de decizie, mașinile vectoriale de suport, rețelele neuronale, logistica și regresiile liniare sunt unii dintre cei mai cunoscuți algoritmi. Deși implementările lor matematice diferă, aceste modele predictive generează rezultate comparabile. Arborii de decizie sunt mai populari, deoarece sunt ușor de înțeles; puteți urma calea către o anumită decizie.
Algoritmii de clasificare sunt excelente pentru tipul de analiză atunci când țintă este cunoscută (cum ar fi identificarea e-mailurilor spam). Pe de altă parte, atunci când variabila țintă este necunoscută, algoritmii de grupare reprezintă cel mai bun pariu. Acestea vă permit să vă grupați sau să grupați datele în grupuri semnificative bazate pe asemănările dintre membrii grupului.
Acești algoritmi sunt foarte populari. Există multe instrumente, atât comerciale, cât și cele cu sursă deschisă, care le implementează. Având acumulări de date înfloritoare și accelerate (adică date mari) și hardware și platforme eficiente din punct de vedere al costurilor (cum ar fi cloud computing și Hadoop), instrumentele de analiză predictivă se confruntă cu un boom.
Datele și obiectivele de afaceri nu sunt singurii care trebuie luați în considerare când selectați un algoritm. Expertiza oamenilor de știință ai datelor dvs. are o valoare extraordinară în acest moment; alegerea unui algoritm care va face treaba este adesea o combinație dificilă de știință și artă. Partea de artă vine din experiența și competența în domeniul afacerilor, care joacă, de asemenea, un rol esențial în identificarea unui model care să poată acoperi cu precizie obiectivele de afaceri.
