Casa Finanza personale Come generare dati derivati ​​e ridurne la dimensionalità per Predictive Analytics - dummies

Come generare dati derivati ​​e ridurne la dimensionalità per Predictive Analytics - dummies

Sommario:

Video: La sovranità appartiene al popolo o allo spread? Antonio Maria Rinaldi e Scenari Economici a Milano 2025

Video: La sovranità appartiene al popolo o allo spread? Antonio Maria Rinaldi e Scenari Economici a Milano 2025
Anonim

In questa fase di esplorazione dell'analisi predittiva, acquisirai una conoscenza approfondita dei tuoi dati, che a sua volta ti aiuteranno a scegliere le variabili rilevanti da analizzare. Questa comprensione ti aiuterà anche a valutare i risultati del tuo modello. Ma prima devi identificare e pulire i dati per l'analisi.

Come generare i dati derivati ​​

Gli attributi derivati ​​ sono record interamente nuovi costruiti da uno o più attributi esistenti. Un esempio potrebbe essere la creazione di documenti che identificano libri che sono bestseller nelle fiere del libro. I dati grezzi non possono acquisire tali record, ma a fini di modellazione, questi record derivati ​​possono essere importanti. Il rapporto prezzo / guadagno e la media mobile a 200 giorni sono due esempi di dati derivati ​​ampiamente utilizzati nelle applicazioni finanziarie.

Gli attributi derivati ​​possono essere ottenuti da semplici calcoli come dedurre l'età dalla data di nascita. Gli attributi derivati ​​possono anche essere calcolati riassumendo le informazioni da più record.

Ad esempio, la conversione di una tabella di clienti e dei libri acquistati in una tabella può consentire di tenere traccia del numero di libri venduti tramite un sistema di raccomandazione, attraverso il marketing mirato e una fiera del libro e identificare la fascia demografica dei clienti che comprato quei libri.

La generazione di tali attributi aggiuntivi porta ulteriore potenza predittiva all'analisi. In effetti, molti di questi attributi sono creati in modo da sondare il loro potenziale potere predittivo. Alcuni modelli predittivi possono utilizzare più attributi derivati ​​rispetto agli attributi nel loro stato grezzo. Se alcuni attributi derivati ​​si rivelano particolarmente predittivi e il loro potere è dimostrato pertinente, allora ha senso automatizzare il processo che li genera.

I record derivati ​​sono nuovi record che portano nuove informazioni e forniscono nuovi modi di presentare dati grezzi; possono essere di enorme valore per la modellazione predittiva.

Come ridurre la dimensionalità dei dati

I dati utilizzati nei modelli predittivi sono generalmente raggruppati da più fonti. L'analisi può trarre da dati sparsi su più formati di dati, file e database o più tabelle all'interno dello stesso database. Raggruppare i dati insieme e combinarli in un formato integrato per i modellatori di dati da utilizzare è essenziale.

Se i tuoi dati contengono contenuti gerarchici, potrebbe essere necessario appiattito . Alcuni dati hanno alcune caratteristiche gerarchiche come le relazioni genitore-figlio o un record composto da altri record.Ad esempio, un prodotto come un'auto può avere più produttori; appiattendo i dati, in questo caso, significa includere ciascun produttore come caratteristica aggiuntiva del record che stai analizzando.

L'appiattimento dei dati è essenziale quando viene unito da più record correlati per formare un'immagine migliore.

Ad esempio, l'analisi degli eventi avversi per diversi farmaci fatti da diverse aziende potrebbe richiedere che i dati vengano appiattiti a livello di sostanza. In questo modo, si finisce per rimuovere le relazioni uno-a-molti (in questo caso, molti produttori e molte sostanze per un prodotto) che possono causare troppe duplicazioni di dati ripetendo più voci di sostanze che si ripetono informazioni su prodotti e produttori ad ogni voce.

L'appiattimento riduce la dimensionalità dei dati, che è rappresentata dal numero di funzioni di un record o di un'osservazione.

Ad esempio, un cliente può avere le seguenti caratteristiche: nome, età, indirizzo, articoli acquistati. Quando inizi la tua analisi, potresti trovarti a valutare i record con molte funzionalità, solo alcune delle quali sono importanti per l'analisi. Quindi dovresti eliminare tutte le funzionalità tranne quelle che hanno il potere più predittivo per il tuo progetto specifico.

La riduzione della dimensionalità dei dati può essere ottenuta inserendo tutti i dati in un'unica tabella che utilizza più colonne per rappresentare gli attributi di interesse. All'inizio dell'analisi, ovviamente, l'analisi deve valutare un numero elevato di colonne, ma tale numero può essere ridotto man mano che l'analisi procede.

Questo processo può essere aiutato ricostituendo i campi, ad esempio raggruppando i dati in categorie con caratteristiche simili.

Il set di dati risultante - il set di dati pulito - viene solitamente inserito in un database separato per gli analisti da utilizzare. Durante il processo di modellazione, questi dati dovrebbero essere facilmente accessibili, gestiti e aggiornati.

Come generare dati derivati ​​e ridurne la dimensionalità 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 ...