Làm thế nào để phân loại các mô hình phân tích tiên đoán - núm vú

Bạn có nhiều cách để phân loại các mô hình sử dụng cho các phân tích dự đoán.Nói chung bạn có thể sắp xếp chúng bằng < Các vấn đề kinh doanh mà họ giải quyết và các chức năng kinh doanh chính mà họ phục vụ (chẳng hạn như bán hàng, quảng cáo, nhân sự hoặc quản lý rủi ro).

• Việc thực hiện toán học được sử dụng trong mô hình (chẳng hạn như thống kê, khai thác dữ liệu và học máy))

Mỗi mô hình sẽ có một số sự kết hợp của các khía cạnh này, thường xuyên hơn không, một trong hai sẽ chiếm ưu thế Chức năng dự định của mô hình có thể có một trong những hướng khác nhau - Các mô hình tiên đoán phân tích dữ liệu và dự đoán kết quả tiếp theo Đây là sự đóng góp lớn của phân tích tiên đoán, khác với thông tin tình báo kinh doanh. Trí tuệ kinh doanh theo dõi cái gì là goi ng trong một tổ chức ngay bây giờ. Các mô hình dự đoán phân tích dữ liệu lịch sử để đưa ra quyết định thông báo về khả năng kết quả trong tương lai.

Với những điều kiện nhất định (số lượng và tần suất gần đây của khách hàng khiếu nại, ngày gia hạn dịch vụ tiếp cận, và sự sẵn có của các lựa chọn rẻ hơn do cạnh tranh) có khả năng là khách hàng này sẽ churn?

Kết quả của mô hình tiên đoán cũng có thể là một câu trả lời nhị phân, có / không hoặc 0/1: liệu một giao dịch là gian lận. Một mô hình tiên đoán có thể tạo ra nhiều kết quả, đôi khi kết hợp có / không có kết quả với một xác suất rằng một sự kiện nhất định sẽ xảy ra. Ví dụ, mức độ tín nhiệm của khách hàng có thể được đánh giá là có hoặc không, và xác suất được chỉ định mô tả khả năng khách hàng trả hết nợ đúng hạn.

Ví dụ: nếu bạn chạy thuật toán phân cụm trên dữ liệu khách hàng và tách chúng thành các nhóm được xác định rõ thì bạn có thể sử dụng phân loại để tìm hiểu về một khách hàng mới và xác định nhóm của mình rõ ràng. Sau đó, bạn có thể điều chỉnh trả lời của bạn (ví dụ như chiến dịch tiếp thị được nhắm mục tiêu) và xử lý khách hàng mới của bạn.

Phân loại sử dụng một sự kết hợp của các đặc điểm và các tính năng để cho biết liệu một mục dữ liệu thuộc về một lớp cụ thể.

Nhiều ứng dụng hoặc các vấn đề kinh doanh có thể được xây dựng như các vấn đề phân loại. Ví dụ như ở mức cơ bản, bạn có thể phân loại các kết quả như mong muốn và không mong muốn. Ví dụ, bạn có thể phân loại một yêu cầu bồi thường bảo hiểm là hợp pháp hoặc gian lận.

Khái niệm cơ bản của các mô hình quyết định

Với một kịch bản phức tạp, quyết định tốt nhất của bạn là gì - và nếu bạn có hành động đó thì hậu quả là gì? Các mô hình định hướng theo quyết định (đơn giản gọi là

các mô hình quyết định) giải quyết các câu hỏi như vậy bằng cách xây dựng các kế hoạch chiến lược để xác định cách thức thực hiện tốt nhất, với các sự kiện nhất định. Các mô hình quyết định có thể là các chiến lược giảm nhẹ rủi ro, giúp xác định phản ứng tốt nhất của bạn với các sự kiện không mong muốn.

Các mô hình quyết định khảo sát các tình huống khác nhau và lựa chọn tốt nhất trong tất cả các môn học. Để đưa ra quyết định sáng suốt, bạn cần hiểu biết sâu sắc về các mối quan hệ phức tạp trong dữ liệu và ngữ cảnh bạn đang điều hành. Một mô hình quyết định phục vụ như một công cụ giúp bạn phát triển sự hiểu biết đó.

Các mô hình các mô hình hiệp hội

Các mô hình kết hợp (gọi là các mô hình kết hợp ) được xây dựng trên các hiệp hội và mối quan hệ tiềm ẩn có trong dữ liệu. Nếu khách hàng đăng ký một dịch vụ cụ thể, nhiều khả năng cô ấy sẽ đặt mua một dịch vụ cụ thể khác. Nếu khách hàng muốn mua sản phẩm A (một chiếc xe thể thao) và sản phẩm đó có liên quan đến Sản phẩm B (ví dụ: kính mát do nhà sản xuất ô tô mang nhãn hiệu), anh ta có nhiều khả năng mua Sản phẩm B.

Một số hiệp hội có thể dễ dàng được xác định; những người khác có thể không được rõ ràng như vậy. Sự vấp ngã về một hiệp hội thú vị, chưa được biết trước, có thể dẫn đến những lợi ích to lớn.

Một cách khác để tìm một hiệp hội là xác định liệu một sự kiện nhất định có làm tăng khả năng xảy ra sự kiện khác hay không. Ví dụ, nếu, ví dụ, một công ty dẫn dắt một ngành công nghiệp nhất định chỉ báo cáo thu nhập của sao, thì xác suất nào mà một giỏ cổ phiếu trong cùng một khu vực đó tăng giá trị?