Casa Finanza personale Come pulire i dati per Predictive Analysis - dummies

Come pulire i dati per Predictive Analysis - dummies

Video: Ogni quanto controllare le vibrazioni dei ventilatori? - Come fare manutenzione predittiva. 2025

Video: Ogni quanto controllare le vibrazioni dei ventilatori? - Come fare manutenzione predittiva. 2025
Anonim

Prima di eseguire un'analisi predittiva, devi assicurarti che i dati siano puliti da cose estranee prima che tu possa utilizzarli nel tuo modello. Ciò include la ricerca e la correzione di tutti i record che contengono valori errati e il tentativo di inserire eventuali valori mancanti. Dovrai anche decidere se includere record duplicati (due account cliente, ad esempio).

L'obiettivo generale è garantire l'integrità delle informazioni che stai utilizzando per costruire il tuo modello predittivo. Prestare particolare attenzione alla completezza, correttezza e tempestività dei dati.

È utile creare statistiche descrittive (caratteristiche quantitative) per vari campi, come il calcolo di min e max, controllo distribuzione di frequenza (quanto spesso accade qualcosa) e verificando gli intervalli previsti. L'esecuzione di un controllo regolare può aiutare a segnalare eventuali dati al di fuori dell'intervallo previsto per ulteriori indagini. Qualsiasi documento che mostra i pensionati con date di nascita negli anni '90 può essere contrassegnato da questo metodo.

Inoltre, il controllo incrociato delle informazioni è importante per garantire che i dati siano accurati. Per un'analisi più approfondita delle caratteristiche dei dati e l'identificazione della relazione tra i record di dati, è possibile utilizzare profiling dati (analisi della disponibilità dei dati e raccolta di statistiche sulla qualità dei dati) e strumenti di visualizzazione.

I dati mancanti potrebbero essere dovuti al fatto che informazioni particolari non sono state registrate. In tal caso, puoi tentare di riempire il più possibile; i valori predefiniti adatti possono essere facilmente aggiunti per riempire gli spazi vuoti di determinati campi.

Ad esempio, per i pazienti in un reparto maternità ospedaliero in cui al campo di genere manca un valore, l'applicazione può semplicemente riempirlo come femminile. Del resto, per ogni maschio che è stato ammesso in un ospedale con un record mancante per lo stato di gravidanza, tale registrazione può essere compilata allo stesso modo in quanto non applicabile.

Un codice postale mancante per un indirizzo può essere dedotto dal nome della via e dalla città fornita in quell'indirizzo.

Nei casi in cui l'informazione è sconosciuta o non può essere dedotta, è necessario utilizzare valori altro di uno spazio vuoto per indicare che i dati sono mancanti senza influire sulla correttezza dell'analisi. Uno spazio vuoto nei dati può significare più cose, molte delle quali non sono né buone né utili. Ogni volta che puoi, devi specificare la natura di quel vuoto con un riempitivo significativo.

Proprio come è possibile definire una rosa in un campo di grano come un'erbaccia, i valori anomali possono significare cose diverse per analisi diverse.È normale che alcuni modelli siano costruiti esclusivamente per tracciare quei valori anomali e contrassegnarli.

I modelli di rilevamento delle frodi e il monitoraggio delle attività criminali sono interessati a quei valori anomali, che in tali casi indicano che si sta verificando qualcosa di indesiderato. Pertanto, è consigliabile mantenere i valori anomali nel set di dati in casi come questi. Tuttavia, quando i valori anomali sono considerati anomalie all'interno dei dati, e si limitano a distorcere le analisi e portare a risultati errati, rimuoverli dai dati.

La duplicazione dei dati può anche essere utile o fastidiosa; alcuni di essi possono essere necessari, possono indicare un valore e possono riflettere uno stato accurato dei dati. Ad esempio, un record di un cliente con più account può essere rappresentato con più voci che sono (tecnicamente, comunque) duplicate e ripetitive degli stessi record.

Allo stesso modo, quando i record duplicati non apportano valore all'analisi e non sono necessari, rimuoverli può essere di enorme valore. Ciò è particolarmente vero per dataset di grandi dimensioni in cui la rimozione di record duplicati può semplificare la complessità dei dati e ridurre il tempo necessario per l'analisi.

È possibile impedire preventivamente l'inserimento di dati errati nei sistemi adottando alcune procedure specifiche:

  • Verifica della qualità dell'Istituto e convalida dei dati per tutti i dati raccolti.

  • Consenti ai tuoi clienti di convalidare e correggere automaticamente i propri dati personali.

  • Fornisci ai tuoi clienti i valori possibili e attesi tra cui scegliere.

  • Eseguire regolarmente controlli sull'integrità, coerenza e accuratezza dei dati.

Come pulire i dati per Predictive Analysis - 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 ...