Casa Finanza personale Scegliendo un algoritmo per Predictive Analytics - dummies

Scegliendo un algoritmo per Predictive Analytics - dummies

Video: The era of blind faith in big data must end | Cathy O'Neil 2025

Video: The era of blind faith in big data must end | Cathy O'Neil 2025
Anonim

Diversi algoritmi statistici, di data mining e di apprendimento automatico sono disponibili per l'uso nel modello di analisi predittiva. Sei in una posizione migliore per selezionare un algoritmo dopo aver definito gli obiettivi del modello e selezionato i dati su cui lavorerai. Alcuni di questi algoritmi sono stati sviluppati per risolvere problemi aziendali specifici, migliorare gli algoritmi esistenti o fornire nuove funzionalità, che potrebbero renderli più appropriati per gli scopi di altri. È possibile scegliere tra una gamma di algoritmi per affrontare problemi di business come i seguenti:

  • Per la segmentazione della clientela e / o il rilevamento della comunità nella sfera sociale, ad esempio, sono necessari algoritmi di clustering.
  • Per la fidelizzazione dei clienti o per sviluppare un sistema di raccomandazione, dovresti utilizzare gli algoritmi di classificazione.
  • Per ottenere un punteggio di credito o prevedere il prossimo risultato di eventi basati sul tempo, si utilizzerà un algoritmo di regressione.

Poiché il tempo e le risorse lo consentono, è necessario eseguire quanti più algoritmi del tipo appropriato possibile. Il confronto tra diverse esecuzioni di algoritmi diversi può portare a scoperte sorprendenti sui dati o sulla business intelligence incorporati nei dati. In questo modo puoi ottenere informazioni più dettagliate sul problema aziendale e aiutarti a identificare quali variabili all'interno dei tuoi dati hanno un potere predittivo.

Alcuni progetti di analisi predittiva riescono meglio creando un modello di ensemble, un gruppo di modelli che operano sugli stessi dati. Un modello ensemble utilizza un meccanismo predefinito per raccogliere risultati da tutti i suoi modelli componenti e fornire un risultato finale per l'utente.

I modelli possono assumere varie forme: una query, una raccolta di scenari, un albero decisionale o un'analisi matematica avanzata. Inoltre, alcuni modelli funzionano meglio per determinati dati e analisi. È possibile (ad esempio) utilizzare algoritmi di classificazione che impiegano regole decisionali per decidere l'esito di un determinato scenario o transazione, affrontando domande come queste:

  • È probabile che questo cliente risponda alla nostra campagna di marketing?
  • È probabile che questo trasferimento di denaro faccia parte di un programma di riciclaggio di denaro?
  • È probabile che questo mutuatario si disattivi sul prestito?

È possibile utilizzare algoritmi di clustering non supervisionati per individuare le relazioni esistenti all'interno del set di dati. È possibile utilizzare questi algoritmi per trovare diversi raggruppamenti tra i clienti, determinare quali servizi possono essere raggruppati o decidere ad esempio quali prodotti possono essere venduti.

Gli algoritmi di regressione possono essere utilizzati per prevedere dati continui, come ad esempio la previsione dell'andamento di un movimento azionario dati i prezzi passati.

Alberi decisionali, macchine vettoriali di supporto, reti neurali, logistiche e regressioni lineari sono alcuni degli algoritmi più comuni. Sebbene le loro implementazioni matematiche differiscano, questi modelli predittivi generano risultati comparabili. Gli alberi decisionali sono più popolari, perché sono facili da capire; puoi seguire il percorso verso una determinata decisione.

Gli algoritmi di classificazione sono ottimi per il tipo di analisi quando l'obiettivo è noto (come l'identificazione delle e-mail di spam). D'altra parte, quando la variabile di destinazione è sconosciuta, gli algoritmi di clustering sono la soluzione migliore. Consentono di raggruppare o raggruppare i dati in gruppi significativi in ​​base alle somiglianze tra i membri del gruppo.

Questi algoritmi sono molto popolari. Ci sono molti strumenti, sia commerciali che open-source, che li implementano. Con l'accumulo di dati crescente e accelerato (ovvero i big data) e l'hardware e le piattaforme a basso costo (come il cloud computing e Hadoop), gli strumenti di analisi predittiva stanno vivendo un boom.

I dati e gli obiettivi di business non sono gli unici fattori da considerare quando si seleziona un algoritmo. L'esperienza dei vostri scienziati di dati è di enorme valore a questo punto; scegliere un algoritmo che porti a termine il lavoro è spesso una combinazione complicata di scienza e arte. La parte artistica deriva dall'esperienza e competenza nel settore aziendale, che svolge anche un ruolo fondamentale nell'identificazione di un modello che può servire in modo preciso gli obiettivi di business.

Scegliendo un algoritmo per Predictive Analytics - dummies

Scelta dell'editore

Il programma in cinque passaggi per superare la menopausa - dummy

Il programma in cinque passaggi per superare la menopausa - dummy

Alcune donne capiscono a malapena che la menopausa è loro. Altre donne, tuttavia, sono meno fortunate. Se sei uno di questi, prendi in mano questi pochi modi per rendere la tua esperienza più facile per te stesso: capisci e accetta che stai attraversando una transizione naturale, proprio come la pubertà. Fortunatamente, sei più vecchio e più saggio di te ...

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa segna la fine della fase riproduttiva della tua vita e così è un momento significativo di cambiamento fisico, emotivo e mentale per molte donne ma, per generazioni, donne di tutte le età hanno vagato alla cieca in menopausa senza sapere cosa aspettarsi. Qui puoi scoprire alcune delle nozioni di base.

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Mestruazioni e menopausa sono ben noti biologici pietre miliari nella vita di una femmina. Contrariamente al pensiero popolare, la menopausa non è il periodo di mesi o anni in cui una donna sta "attraversando il cambiamento". "Questo lasso di tempo è chiamato perimenopausa. La menopausa è una data effettiva nel tempo. In particolare, è il 12 ° anniversario dell'ultimo ciclo mestruale di una donna. ...

Scelta dell'editore

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

È Possibile creare un filtro automatico personalizzato . Per fare ciò, seleziona il comando Filtro testo dal menu della tabella e scegli una delle opzioni di filtro del testo. Indipendentemente dall'opzione di filtro del testo selezionata, Excel visualizza la finestra di dialogo Filtro automatico personalizzato. Questa finestra di dialogo consente di specificare con estrema precisione quali record si desidera ...

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

DPRODUCT moltiplica i valori che corrispondono al criterio in un database Excel. Questo è potente ma anche in grado di produrre risultati che non sono l'intenzione. In altre parole, è una cosa da aggiungere e ricavare una somma. Questa è un'operazione comune su un set di dati. Osservando la seguente figura, è possibile ...

Come utilizzare la funzione DPRODUCT in Excel - dummy

Come utilizzare la funzione DPRODUCT in Excel - dummy

La funzione DPRODUCT in Excel è strana. La funzione DPRODUCT moltiplica i valori nei campi da un elenco di database in base ai criteri di selezione. Perché vorresti farlo? Chissà. La funzione utilizza la sintassi = DPRODUCT (database, campo, criteri) in cui il database è un riferimento all'intervallo alla tabella di Excel che contiene il valore desiderato ...

Scelta dell'editore

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Ci sono un paio di cose a cui vuoi pensare quando riutilizzi i nomi nella tua app per Android. È possibile dichiarare due variabili Java - bag1 e bag2 - per fare riferimento a due diversi oggetti BagOfCheese. Va bene. Ma a volte, avere solo una variabile e riutilizzarla per il secondo oggetto funziona altrettanto bene, ...

Java: Mettere a frutto l'uso della classe - dummies

Java: Mettere a frutto l'uso della classe - dummies

La classe Employee nell'elenco non ha alcun metodo principale , quindi non c'è un punto di partenza per l'esecuzione del codice. Per risolvere questo problema, il programmatore scrive un programma separato con un metodo principale e utilizza tale programma per creare istanze Employee. Questo elenco di codici mostra una classe con un metodo principale - uno che inserisce il ...

Classi wrapper java - dummies

Classi wrapper java - dummies

La differenza tra tipi primitivi e tipi di riferimento è una delle funzionalità più controverse di Java e gli sviluppatori si lamentano spesso sulle differenze tra valori primitivi e valori di riferimento. Ogni tipo primitivo viene cotto nella lingua. Java ha otto tipi primitivi. Ogni tipo di riferimento è una classe o un'interfaccia. È possibile definire il proprio ...