Construção de um modelo de análise preditiva

preparando dados

Você vai usar dados históricos para treinar o seu modelo. Os dados são geralmente espalhadas em várias fontes e podem exigir a limpeza e preparação. Os dados podem conter registros duplicados e outliers- dependendo da análise e do objetivo de negócio, você decide se quer manter ou removê-los. Além disso, os dados podem ter valores ausentes, pode ser necessário se submeter a alguma transformação, e pode ser usado para gerar atributos derivados que têm mais poder preditivo para o seu objetivo. No geral, a qualidade dos dados indica a qualidade do modelo.

Amostragem seus dados

Você precisa dividir seus dados em dois conjuntos: treinamento e teste conjuntos de dados. Você constrói o modelo usando o conjunto de dados de treinamento. Você usa os dados de teste definidos para verificar a precisão da saída do modelo. Fazer isso é absolutamente crucial. Caso contrário, você corre o risco de overfitting o seu modelo - treinando o modelo com um conjunto de dados limitado, a tal ponto que ele pega todas as características (tanto o sinal eo ruído) que só são verdadeiras para esse conjunto de dados particular. Um modelo que está overfitted para um conjunto de dados específico irá realizar miseravelmente quando você executá-lo em outros conjuntos de dados. Um conjunto de dados de teste garante uma forma válida de medir com precisão o desempenho do seu modelo.

A construção do Modelo

Video: Dica Oilcheck: Análise de óleo

Às vezes os dados ou os objetivos de negócios se prestam a um algoritmo ou modelo específico. Outras vezes, a melhor abordagem não é tão clara. Como você explorar os dados, executar o maior número de algoritmos como você CAN comparar suas saídas. Basear sua escolha do modelo final sobre os resultados globais. Às vezes você é melhor fora de execução de um conjunto de modelos simultaneamente sobre os dados e escolher um modelo final, comparando as suas saídas.

Implementando o Modelo

Video: Популярные Video – Modelagem и Наука и знания

Após a construção do modelo, você tem que implantá-lo, a fim de colher seus benefícios. Esse processo pode exigir coordenação com outros departamentos. Visar a construção de um modelo implementável. Também não se esqueça que você sabe como apresentar seus resultados para as partes interessadas no negócio de uma forma compreensível e convincente para que eles adotar seu modelo. Depois que o modelo é implantado, você precisa monitorar seu desempenho e melhorá-los. A maioria dos modelos de decaimento após um determinado período de tempo. Mantenha o seu modelo até à data, renovando-lo com dados recentemente disponíveis.