Construindo um Modelo de Análise Preditiva
Um projeto de análise preditiva bem-sucedido é executado passo a passo. Como você mergulhar nos detalhes do projeto, para assistir esses marcos importantes:
Definindo objetivos de negócios
O projeto começa com o uso de um objetivo de negócio bem definido. O modelo é suposto para tratar de uma questão de negócios. Afirmando claramente que o objectivo permitirá que você definir o escopo do seu projeto, e irá fornecer-lhe com o teste exato de medir o seu sucesso.
preparando dados
Você vai usar dados históricos para treinar o seu modelo. Os dados são geralmente espalhados por 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 em falta, pode precisar 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 precisará 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.
Construir o Modelo
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 como muitos algoritmos como você CAN comparar as 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
Após a construção do modelo, você tem que implantá-lo, a fim de colher seus benefícios. Esse processo pode exigir coordenação com outros departamentos. Destinam-se 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 vai precisar para monitorar seu desempenho e melhorá-los. A maioria dos modelos de decaimento, após um certo período de tempo. Mantenha o seu modelo até à data, renovando-lo com dados recentemente disponíveis.