Hjem Personlig finansiering Forbereder dine data til prædiktiv Analytics

Forbereder dine data til prædiktiv Analytics

Indholdsfortegnelse:

Video: Age of Deceit (2) - Hive Mind Reptile Eyes Hypnotism Cults World Stage - Multi - Language 2025

Video: Age of Deceit (2) - Hive Mind Reptile Eyes Hypnotism Cults World Stage - Multi - Language 2025
Anonim

Når du har defineret målene for modellen, er det næste trin i predictive analytics at identificere og forberede de data, du vil bruge til at opbygge din model. Følgende oplysninger vedrører de vigtigste aktiviteter. Den generelle rækkefølge af trin ser sådan ud:

  1. Identificer dine datakilder.

    Data kan være i forskellige formater eller opholde sig på forskellige steder.

  2. Identificer, hvordan du får adgang til disse data.

    Nogle gange skal du erhverve tredjepartsdata eller data, der ejes af en anden afdeling i din organisation mv.

  3. Overvej hvilke variabler der skal inkluderes i din analyse.

    En standard tilgang er at starte med en bred vifte af variabler og eliminere dem, der ikke giver nogen forudsigelig værdi for modellen.

  4. Bestem, om der skal anvendes afledte variabler.

    I mange tilfælde vil en afledt variabel (såsom pris pr. Indtjeningsgrad anvendt til analyse af aktiekurser) have større direkte indflydelse på modellen end den råvariabel.

  5. Udforsk kvaliteten af ​​dine data, og søg efter at forstå både dets tilstand og begrænsninger.

    Nøjagtigheden af ​​modelens forudsigelser er direkte relateret til de variabler, du vælger, og kvaliteten af ​​dine data. Du vil gerne svare på nogle dataspecifikke spørgsmål på dette tidspunkt:

    • Er dataene komplette?
    • Har det nogen outliers?
    • Skal dataene renses?
    • Har du brug for at udfylde manglende værdier, holde dem som de er eller helt fjerne dem?

Forståelse af dine data og dens egenskaber kan hjælpe dig med at vælge den algoritme, der vil være mest nyttig i opbygningen af ​​din model. For eksempel:

  • Regressionsalgoritmer kan bruges til at analysere tidsseriedata.
  • Klassifikationsalgoritmer kan bruges til at analysere diskrete data.
  • Associeringsalgoritmer kan bruges til data med korrelerede attributter.

Individuelle algoritmer og prædiktive teknikker har forskellige svagheder og styrker. Det vigtigste er, at modelens nøjagtighed afhænger af at have både en stor mængde og kvalitet af data. Dine data skal have et tilstrækkeligt antal poster til at give statistisk signifikante resultater.

At samle relevante data (helst mange poster over en længere periode), forbehandling og udpakning af funktionerne med de mest forudsigelige værdier vil være hvor du bruger størstedelen af ​​din tid. Men du skal alligevel vælge algoritmen, en algoritme, der skal passe til forretningsproblemet.

Databehandling er specifik for det projekt, du arbejder på, og algoritmen du vælger at ansætte.Afhængigt af projektets krav vil du forberede dine data i overensstemmelse hermed og føje det til algoritmen, når du bygger din model for at imødekomme forretningsbehovene.

Datasættet, der bruges til at træne og teste modellen, skal indeholde relevant forretningsinformation for at kunne svare på det problem, du forsøger at løse. Hvis dit mål er (for eksempel) for at bestemme hvilken kunde der sandsynligvis vil churn, så skal det datasæt du vælger indeholde oplysninger om kunder, der har churned i fortiden ud over kunder, der ikke har det.

Nogle modeller, der er oprettet til min data og giver mening om dets underliggende relationer - for eksempel dem, der er bygget med clustering algoritmer - behøver ikke have et bestemt slutresultat i tankerne.

Underfitting

Underfitting er, når din model ikke kan registrere nogen forhold i dine data. Dette er normalt en indikation på, at vigtige variabler - dem med prædiktiv kraft - ikke var medtaget i din analyse.

Hvis de variabler, der anvendes i din model, ikke har høj forudsigelseskraft, så prøv at tilføje nye domæne-specifikke variabler og genudføre din model. Slutmålet er at forbedre modelens ydeevne på træningsdataene.

Et andet problem at se efter er seasonality (når du har sæsonmønster, hvis du ikke analyserer flere årstider, kan du komme i problemer.) Eksempelvis en lageranalyse, der kun indeholder data fra en tyr marked (hvor de generelle aktiekurser stiger) regner ikke med kriser eller bobler, som kan medføre større korrektioner for de samlede bestande. Mangler at inkludere data, der spænder over både bull og bærer markeder (når de samlede aktiekurser falder) holder modellen fra at producere det bedst mulige porteføljevalg.

Overfitting

Overfitting er, når din model indeholder data, der ikke har forudsigende effekt, men det er kun specifikt for datasættet, du analyserer. Støj - tilfældige variationer i datasættet - kan finde vej ind i modellen, så at køre modellen på et andet datasæt giver et væsentligt fald i modelens prædiktive ydeevne og nøjagtighed.

Forbereder dine data til prædiktiv Analytics

Valg af editor

Hvordan man behandler PHR / SPHR eksamensspørgsmål, du ikke ved - dummier

Hvordan man behandler PHR / SPHR eksamensspørgsmål, du ikke ved - dummier

Vil du uundgåeligt komme ind på et spørgsmål (eller et par) på PHR eller SPHR eksamen, hvor du simpelthen ikke vil vide svaret. Vær ikke overrasket, når du støder på en. Bliv rolig og tag ikke panik. Her er nogle strategier til at håndtere det ukendte: Stol på dit første instinkt. Prøv ikke at overtale spørgsmålet. Hvis du ...

Sammenligner PHR og SPHR-eksamenerne - dummier

Sammenligner PHR og SPHR-eksamenerne - dummier

Med den rette eksamen, enten PHR eller SPHR, har en effekt på mere end blot at gøre forberedelsesprocessen mindre stressende. Valg af den relevante test kan også påvirke dit fremtidige job og indtjeningspotentiale. Tænk på at ansøge om et HR-job på højt niveau, der kræver eksponering, erfaring og problemløsning i forretningsadministration og ...

Hvordan man håndterer svardistraherende på PHR / SPHR-eksamenerne - dummier

Hvordan man håndterer svardistraherende på PHR / SPHR-eksamenerne - dummier

Ud over de to gode svar valg, har et spørgsmål om PHR eller SPHR eksamen normalt også distraktorer. Distraktorer kan dukke op på et par forskellige steder: I spørgsmålstammen: Denne fremmede information er ikke relevant for det korrekte svar. I et af de fire svar valg: Nogle distractorer er svar baseret på ...

Valg af editor

I nogle organisationer, de operationelt anerkendte måneder tilbage en skattemåned fra en dato i Excel - dummies

I nogle organisationer, de operationelt anerkendte måneder tilbage en skattemåned fra en dato i Excel - dummies

Start ikke den 1. og slut den 30. eller 31. december. I stedet har de bestemte dage, der markerer begyndelsen og slutningen af ​​en måned. For eksempel kan du arbejde i en organisation, hvor hver skattemåned begynder den 21. og slutter den 20. ..

Roterende celledata i Excel 2007 - dummies

Roterende celledata i Excel 2007 - dummies

Brug retningsknappen på fanen Startside i Excel 2007 for at rotere data i celler. Du kan rotere data med uret, mod uret eller lodret. Brug dialogboksen Formaterceller til at indstille en mere præcis retning ved at angive antallet af grader for at rotere teksten. For at rotere celledata skal du følge disse trin: Vælg ...

Række højde og kolonne bredde i Excel 2013 - dummies

Række højde og kolonne bredde i Excel 2013 - dummies

Hver kolonne i et regneark starter med samme bredde , som er 8. 43 tegn (baseret på standard skrifttype og skriftstørrelse), medmindre du har ændret standardindstillingen. Det er cirka syv cifre og enten et stort symbol (f.eks. $) Eller to små (som decimaler og kommaer). Du kan definere standard ...

Valg af editor

Opret din første MindManager-kort - dummies

Opret din første MindManager-kort - dummies

Oprettelse af kort er hvad MindManager handler om, men at oprette et nyttigt kort kan tage lidt indsats og kreativ energi. Du vil bruge kort, der allerede er startet, kaldet skabeloner, når det er muligt. Opret dit første kort - et øvelseskort - ved at åbne dit MindManager-program og følg disse trin: 1. Klik på Learning ...

Crystal Reports 10: Forståelse af objektforbindelse og indlejring (OLE) - dummies

Crystal Reports 10: Forståelse af objektforbindelse og indlejring (OLE) - dummies

Formålet med en rapport er at præsentere databasedata for brugere i en form, der er let at forstå. Crystal Reports giver dig alle de værktøjer, du har brug for til at gøre det. Nogle gange vil du dog have en rapport, der gør mere end bare til stede databasedata. Du kan muligvis inkludere tekst fra et ord ...

Dag Trading Bitcoin versus Fiat - dummies

Dag Trading Bitcoin versus Fiat - dummies

Dagens handel handler om at købe og sælge finansielle instrumenter - som bitcoin - inden for samme handelsdag. Fiat valuta refererer til en national regering lovligt betalingsmiddel. Ved hjælp af bitcoin kan du handle på flere forskellige måder. Den mest oplagte handelsform byder bitcoins til og fra en hvilken som helst af de lokale valutaer den ...