Como visualizar os resultados analíticos do seu modelo: agrupamentos escondidos, classificações de dados, e outliers
Visualização dos resultados da sua análise preditiva realmente ajuda os interessados a compreender os próximos passos. Aqui estão algumas maneiras de usar técnicas de visualização para relatar os resultados de seus modelos para as partes interessadas.
Conteúdo
Video: Identificação de Outliers usando Excel
Como visualizar agrupamentos ocultas em seus dados
agrupamento de dados é o processo de descobrir grupos ocultos de itens relacionados dentro de seus dados. Na maioria dos casos, um grupo (Agrupamento) é composto de objetos de dados do mesmo tipo, como usuários da rede social, documentos de texto ou e-mails.
Uma maneira de visualizar os resultados de um modelo de agrupamento de dados é um gráfico que representa as comunidades sociais (clusters) que foram descobertos nos dados recolhidos a partir de utilizadores da rede social. Os dados sobre os clientes foi recolhido em um tabular format- então um algoritmo de agrupamento foi aplicada aos dados, e os três grupos (grupos) foram descobertos: clientes leais, clientes errantes, e clientes baixos.
Aqui, a relação visual entre os três grupos já sugere, onde reforçada esforços de marketing pode fazer o melhor.
Como visualizar os resultados de classificação de dados
Um modelo de classificação atribui uma classe específica para cada novo ponto de dados que examina. As classes específicas, neste caso, poderiam ser os grupos que resultam de seu trabalho clustering. A saída destacado no gráfico pode definir seus conjuntos de alvos. Para qualquer novo cliente, um modelo de classificação de previsão tenta prever qual grupo o novo cliente irá pertencer.
Depois de aplicar um algoritmo de agrupamento e descobriu agrupamentos nos dados do cliente, você chegou a um momento de verdade: Aí vem um novo cliente - você quer o modelo para prever que tipo de cliente que ele ou ela será.
Aqui está um exemplo de como a informação de um novo cliente é alimentado para o seu modelo de análise preditiva, que por sua vez, prevê que grupo de clientes este novo cliente pertence. Novos clientes A, B, C e está prestes a ser atribuído a aglomerados de acordo com o modelo de classificação.
Video: Matematica | Conceitos de Estatística
Aplicando o modelo de classificação resultou em uma previsão de que ao Cliente Um pertenceria com os clientes fiéis, o Cliente B seria um andarilho, e ao Cliente C só foi aparecer para o desconto.
Como visualizar valores discrepantes em seus dados
No curso de agrupamento ou classificar novos clientes, de vez em quando você topar discrepantes - casos especiais que não se encaixam as divisões existentes.
Video: Probabilidade e Estatística - Ex 13
Neste exemplo, alguns valores atípicos não se encaixam bem nos grupos pré-definidos. Seis clientes outlier foram detectados e visualizados. Eles se comportam de forma diferente o suficiente para que o modelo não pode dizer se eles pertencem a nenhuma das categorias definidas de clientes. (Existe tal coisa como, por exemplo, um cliente errante leal que só está interessado no desconto? E se houver, deve seu cuidado negócio?)
