Hjem Personlig finansiering Visualisering af din prædiktive models analytiske resultater

Visualisering af din prædiktive models analytiske resultater

Indholdsfortegnelse:

Video: Leap Motion SDK 2025

Video: Leap Motion SDK 2025
Anonim

Ofte skal du kunne vise resultaterne af din prædiktive analyse til dem, der betyder noget. Her er nogle måder at bruge visualiseringsteknikker til at rapportere resultaterne af dine modeller til interessenterne.

Visualisering af skjulte grupperinger i dine data

Dataklyngning er processen med at opdage skjulte grupper af relaterede emner inden for dine data. I de fleste tilfælde består en klynge (gruppering) af dataobjekter af samme type som brugere af sociale netværk, tekstdokumenter eller e-mails. En måde at visualisere resultaterne af en dataklyngningsmodel på er vist nedenfor, hvor grafen repræsenterer samfund (klynger), der blev opdaget i data indsamlet fra brugere af sociale netværk.

Oplysningerne om kunder blev samlet i et tabelformat; så blev der anvendt en klyngalgoritme til dataene, og de tre klynger (grupper) blev opdaget: loyale kunder, vandrende kunder og rabatkunder. Antag at X- og Y-aksen repræsenterer de to hovedkomponenter, der genereres af de oprindelige data. Hovedkomponentanalyse (PCA) er en datareduktionsteknik.

Clustering kunder i tre grupper: loyale, vandrende og rabat.

Her viser det visuelle forhold mellem de tre grupper allerede, hvor forbedrede og målrettede marketingindsatser kan gøre det bedste.

Visualisering af dataklassifikationsresultater

En klassifikationsmodel tildeler en bestemt klasse til hvert nyt datapunkt, den undersøger. De specifikke klasser, i dette tilfælde, kan være de grupper, der er resultatet af dit klyngearbejde. Udgangen fremhævet i grafen kan definere dine målsæt. For en given ny kunde forsøger en prædiktiv klassifikationsmodel at forudsige, hvilken gruppe den nye kunde vil tilhøre.

Når du har anvendt en klyngningsalgoritme og opdagede grupperinger i kundedataene, kommer du et øjeblik af sandhed: Her kommer en ny kunde - du vil have modellen til at forudsige hvilken type kunde han eller hun vil være

Billedet viser, hvordan en ny kundes oplysninger bliver fodret til din forudsigelsesanalysemodel, hvilket igen forudsiger, hvilken gruppe kunder denne nye kunde tilhører. Nye kunder A, B og C skal tildeles til klynger efter klassificeringsmodellen. Anvendelse af klassifikationsmodellen resulterede i en forudsigelse af, at kunde A ville tilhøre de loyale kunder, kunde kunde b være en vandrer, og kunde c viste kun for rabatten.

Tildele kunderne A, B og C, til deres klassifikationer (klynger).

Visualisering af outliers i dine data

I løbet af gruppering eller klassificering af nye kunder løber du fra og til outliers (særlige tilfælde, der ikke passer til de eksisterende divisioner).

Nedenfor ser du et par outliers, der ikke passer godt ind i de foruddefinerede klynger. Seks outlier kunder er blevet opdaget og visualiseret. De opfører sig forskelligt nok, at modellen ikke kan se, om de tilhører nogen af ​​de definerede kategorier af kunder.

Seks outlier kunder taler kategorisering bare ved at vise.

Visualisering af beslutningstræer

Mange modeller bruger beslutningstræer som deres output: Disse diagrammer viser de mulige resultater fra alternative handlingskanaler, lagt ud som grene af et træ.

Billedet nedenfor viser et eksempel på et træ, der bruges som klassifikator: Det klassificerer baseballfans baseret på et par kriterier, hovedsageligt det beløb, der bruges på billetter og købsdatoer. Fra denne visualisering kan du forudsige den type fan, som en ny billetkøber vil være: casual, loyal, bandwagon, diehard eller en anden type.

Attributter for hver fan er nævnt på hvert niveau i træet (samlet antal deltagede spil, samlet brugt beløb, sæson); Du kan følge en sti fra en bestemt "rod" til et bestemt "blad" på træet, hvor du rammer en af ​​fanklasserne (c1, c2, c3, c4, c5).

Find den klasse, hvor en bestemt baseball fan tilhører.

Antag, at du vil bestemme hvilken type baseballfan en kunde er, så du kan bestemme, hvilken type marketingannoncer der skal sendes til kunden. Antag at du hypoteser, at baseball fanatikere og bandwagon fans kan overtales til at købe en ny bil, når deres hold gør det godt og leder efter playoffs.

Du vil muligvis sende marketingannoncer og rabatter for at overtale dem til at foretage købet. Lad os antage, at du hypoteser, at bandwagon fans kan overtales til at stemme til støtte for visse politiske spørgsmål. Du kan sende dem markedsføringsannoncer, der beder dem om den pågældende support. Hvis du ved, hvilken type fanebase du har, kan træning hjælpe dig med at beslutte, hvordan du nærmer dig den som en række kundetyper.

Visualisering af forudsigelser

Antag, at du har kørt en række prædiktive analysemodeller, herunder beslutningstræer, tilfældige skove og flockningsalgoritmer. Du kan kombinere alle disse resultater og præsentere en konsekvent fortælling, som de alle støtter. Her er tillid en numerisk procentdel, der kan beregnes ved hjælp af en matematisk funktion. Resultatet af beregningen indkapsler en score af, hvor sandsynlig en mulig forekomst er.

På x-aksen repræsenterer understøttende bevis indholdskilden, der blev analyseret med indholdsanalysemodeller, der identificerede de mulige resultater. I de fleste tilfælde ville din prædiktive model have behandlet et stort datasæt ved hjælp af data fra forskellige kilder for at udlede de mulige resultater. Således skal du kun vise de vigtigste understøttende beviser i din visualisering.

Viser kun de vigtigste understøttende beviser i visualiseringen.

Ovenstående er et resumé af resultaterne opnået ved anvendelse af predictive analytics præsenteret som en visualisering, der illustrerer mulige resultater sammen med en tillidscore og understøttende beviser for hver enkelt. Der vises tre mulige scenarier:

  • Opgørelsen over Konto A vil ikke holde op med efterspørgslen, hvis du ikke sender mindst 100 enheder ugentligt til Store S. (Confidence score: 98 procent.)
  • Antallet af salg vil stige med 40 procent, hvis du øger produktionen af ​​vare A med mindst 56 procent. (Tillid score: 83 procent.)
  • En marketingkampagne i Californien vil øge salget af poster A og D, men ikke Item K. (Confidence score: 72 procent.)

Tillidsscoren repræsenterer sandsynligheden for, at hvert scenario vil ske i henhold til din forudsigelige analysemodel. Bemærk, at de er angivet her i faldende rækkefølge af sandsynlighed.

Her består det vigtigste understøttende bevis på, hvordan uddrag fra flere indholdskilder præsenteres over x-aksen. Du kan henvise til dem, hvis du har brug for at forklare, hvordan du har fået et bestemt scenario - og fremdrive de beviser, der understøtter det.

Kraften bag denne visualisering er dens enkelhed. Forestil dig, efter måneder med at anvende predictive analytics til dine data, arbejder dig gennem flere iterationer, at du går ind i et møde med beslutningstageren. Du er bevæbnet med en diasvisualisering af tre mulige scenarier, der kan have stor indflydelse på virksomheden. En sådan visualisering skaber effektive diskussioner og kan føre ledelsen til "aha" øjeblikke.

Visualisering af din prædiktive models analytiske resultater

Valg af editor

Middelhavsret Opskrifter: Kretiske Kyllingretter - Dummies

Middelhavsret Opskrifter: Kretiske Kyllingretter - Dummies

Grillning og braising er de mest populære måder at lave mad kød på Kreta; kombineret med friske urter og krydderier og traditionelle fødevarer som yoghurt, ost og oliven, skaber disse teknikker kyllingevarer med en masse smag. Sautéed Kyllingebryst i Rødvin Tomat Sauce Forberedelsestid: 10 minutter Kogetid: 45 minutter ...

Middelhavs kost Opskrifter: Pasta med kød - dummies

Middelhavs kost Opskrifter: Pasta med kød - dummies

En fantastisk måde at lave en one-pot Middelhavet måltid er at tilføje nogle slags kød, såsom kylling, svinekød eller oksekød, til din pasta. Tilsæt nogle grøntsager og en frisk sovs, og du har et komplet måltid. Brug af kød er en god måde at tilføje mere volumen til din pasta, så du ikke gør det.

Middelhavs Diet Opskrifter: Entree Salater - Dummies

Middelhavs Diet Opskrifter: Entree Salater - Dummies

Selvom entree salat er mere populært i USA og Canada, kan du stadig skabe et middelhavs-inspireret måltid ved at kombinere friske råvarer med proteinkilder som laks eller kylling. Entree salater er også et godt sommermåltid for at fejre de fødevarer, der er i sæson. Grillet laks med karameliserede løg over blandede grønne ...

Valg af editor

Opret en samlingsklasse i Java-dummier

Opret en samlingsklasse i Java-dummier

En samlingsklasse i Java-kode er en klasse, hvis job skal opbevares en flok objekter ad gangen - en flok stringsobjekter, en flok BagOfCheese objekter, en flok tweets eller hvad som helst. Du kan oprette en samlingsklasse med denne kode. pakke com. allmycode. samlinger; importer java. util. ArrayList; offentlig klasse SimpleCollectionsDemo {...

Lav en abstrakt klasse i Java-dummier

Lav en abstrakt klasse i Java-dummier

En abstrakt klasse i Java er en klasse, der indeholder en eller flere abstrakte metoder, der simpelthen er metoden deklarationer uden en krop - det vil sige uden eksekverbar kode, der gennemfører klassen eller metoden. En abstrakt metode er som en prototype til en metode, der erklærer metodeens returtype og parameterliste, men ikke ...

Hvordan man skaber tegnfelter i Java - dummier

Hvordan man skaber tegnfelter i Java - dummier

Her lærer du hvordan du kan bruge en char variabel snarere end et helt tal i en Java-switch statement. Når du bruger en karetype, er det almindeligt at give to på hinanden følgende case-konstanter for hver case-gruppe, for at tillade både små og store bogstaver. Antag at du skal indstille kommissionsrenten for ...

Valg af editor

Koordinering mellem IT og Cloud Provider Service Desks - dummies

Koordinering mellem IT og Cloud Provider Service Desks - dummies

I et cloud computing miljø, skal du effektivt styre koordinationen er nødvendig mellem din virksomhed IT og cloud udbyder service skrivebord. Dine interne kunder er nødt til at stole på, at it-tjenester leveres som forventet, og spørgsmål vil blive rettet hurtigt. Din organisation skal overvåge hele miljøet baseret på servicekrav til din ...

Opbygge din Hybrid Cloud Service Management Plan - dummies

Opbygge din Hybrid Cloud Service Management Plan - dummies

Et vigtigt krav til hybrid cloud service management er at lave en plan på plads, hvilket indebærer at forstå, hvilke cloud services du introducerer i din virksomhed, og hvordan de skal interagere med dine data center aktiver. Nu skal du træffe beslutsomhed om hvilke tjenester du skal kontrollere, fordi de kan påvirke ...

Fordele ved en serviceorienteret tilgang i Cloud Computing - dummies

Fordele ved en serviceorienteret tilgang i Cloud Computing - dummies

Den stigende vedtagelse af hybrid sky Miljøer kan være direkte forbundet med den succes, virksomhederne har gjort i at flytte til en serviceorienteret tilgang til it. Serviceorientering er en måde at modulere vigtige forretningstjenester på og etablere veldefinerede grænseflader designet til at sikre, at disse tjenester fungerer i mange forskellige situationer. Dette tiltag til service ...