Categoriseren Predictive Analysis-modellen categoriseren - dummies

U hebt verschillende manieren om de modellen die worden gebruikt voor voorspellende analyses te categoriseren. Over het algemeen kunt u ze sorteren op < De zakelijke problemen die ze oplossen en de primaire bedrijfsfuncties die ze bedienen (zoals verkoop, reclame, human resources of risicobeheer).

• De wiskundige implementatie die in het model wordt gebruikt (zoals statistieken, datamining en machine learning)).

Elk model heeft een combinatie van deze aspecten, meestal domineert het ene of het andere. De beoogde functie van het model kan verschillende richtingen hebben - voorspellend, classificatie, clustering, beslissingsgericht of associatief.

voorspellende modellen gebruiken

Predictieve modellen analyseren gegevens en voorspellen de volgende uitkomst. Dit is de grote bijdrage van voorspellende analyses, anders dan business intelligence. Business intelligence houdt toezicht op wat goi is ng in een organisatie nu. Voorspellende modellen analyseren historische gegevens om een ​​weloverwogen beslissing te nemen over de waarschijnlijkheid van toekomstige uitkomsten.

Gelet op bepaalde voorwaarden (recent aantal en frequentie van klachten van klanten, de naderende datum waarop de service wordt vernieuwd en de beschikbaarheid van goedkopere opties door de concurrentie), hoe waarschijnlijk is het dat deze klant kan churnen?

De uitvoer van het voorspellende model kan ook een binair, ja / nee of 0/1 antwoord zijn: of een transactie frauduleus is. Een voorspellingsmodel kan meerdere resultaten genereren, waarbij soms ja / nee-resultaten worden gecombineerd met de waarschijnlijkheid dat een bepaalde gebeurtenis zal plaatsvinden. De kredietwaardigheid van een klant kan bijvoorbeeld worden beoordeeld als 'ja' of 'nee', en een kans die is toegewezen om te beschrijven hoe waarschijnlijk het is dat een klant op tijd een lening aflost.

Cluster- en classificatiemodellen gebruiken

Wanneer een model gebruikmaakt van clustering en classificatie, identificeert het verschillende groeperingen binnen bestaande gegevens. U kunt nog steeds een voorspellend model bouwen bovenop de uitvoer van uw clustermodel met behulp van de clustering om nieuwe gegevenspunten te classificeren.

Als u bijvoorbeeld een clusteringalgoritme op de gegevens van uw klanten uitvoert en ze vervolgens opsplitst in duidelijk gedefinieerde groepen, kunt u classificatie gebruiken om meer te weten te komen over een nieuwe klant en zijn groep duidelijk te identificeren. Vervolgens kunt u uw reactie afstemmen (bijvoorbeeld een gerichte marketingcampagne) en uw behandeling van de nieuwe klant.

Classificatie maakt gebruik van een combinatie van kenmerken en functies om aan te geven of een gegeven deel uitmaakt van een bepaalde klasse.

Veel toepassingen of bedrijfsproblemen kunnen worden geformuleerd als classificatieproblemen. Op het allerbelangrijkste niveau, bijvoorbeeld, kunt u uitkomsten classificeren zoals gewenst en ongewenst. U kunt bijvoorbeeld een verzekering claimen als legitiem of frauduleus.

Basisprincipes van beslissingsmodellen

Wat is de beste beslissing om een ​​complex scenario te maken, en wat zou de uitkomst zijn als u die actie zou ondernemen? Beslissingsgerichte modellen (eenvoudigweg

beslissingsmodellen genoemd) gaan in op dergelijke vragen door strategische plannen op te stellen om de beste manier van handelen vast te stellen, gegeven bepaalde gebeurtenissen. Beslissingsmodellen kunnen risicobeheersingsstrategieën zijn, waarmee u uw beste antwoord op onwaarschijnlijke gebeurtenissen kunt identificeren. Beslissingsmodellen doorzoeken verschillende scenario's en selecteren de beste van alle cursussen. Om een ​​weloverwogen beslissing te nemen, moet u een goed begrip hebben van de complexe relaties in de gegevens en de context waarin u opereert. Een beslissingsmodel dient als een hulpmiddel om dat begrip te helpen ontwikkelen.

Basismodellenbasis

Associatieve modellen (

associatiemodellen genoemd) zijn gebaseerd op de onderliggende associaties en relaties die aanwezig zijn in de gegevens. Als een klant is geabonneerd op een bepaalde service, is het zeer waarschijnlijk dat deze een andere specifieke service bestelt. Als een klant op zoek is naar product A (een sportwagen) en dat product is gekoppeld aan product B (bijvoorbeeld zonnebrillen die zijn ontworpen door de autofabrikant), koopt hij waarschijnlijk product B. Sommige van deze associaties kunnen gemakkelijk te identificeren; anderen zijn misschien niet zo voor de hand liggend. Struikelen over een interessante associatie, voorheen onbekend, kan tot dramatische voordelen leiden.

Een andere manier om een ​​associatie te vinden, is om te bepalen of een bepaalde gebeurtenis de kans vergroot dat een andere gebeurtenis plaatsvindt. Als bijvoorbeeld een bedrijf dat een bepaalde industriële sector leidt, net geweldige inkomsten heeft gerapporteerd, wat is dan de kans dat een mandje aandelen in diezelfde sector in waarde stijgt?