Inhoudsopgave:
Video: TU5 Series Turbidimeters - Accessories 2024
Wanneer u de doelstellingen van het model voor voorspellende analyse hebt gedefinieerd, is de volgende stap het identificeren en voorbereiden van de gegevens die u gebruikt om uw model te bouwen. De algemene reeks stappen ziet er als volgt uit:
-
Identificeer uw gegevensbronnen.
Gegevens kunnen verschillende indelingen hebben of op verschillende locaties staan.
-
Geef aan hoe u toegang krijgt tot die gegevens.
Soms moet u gegevens van derden verkrijgen, of gegevens van een andere divisie in uw organisatie, enz.
-
Overweeg welke variabelen in uw analyse moeten worden opgenomen.
Eén standaardaanpak is om te beginnen met een breed scala aan variabelen en diegene te elimineren die geen voorspellende waarden voor het model bieden.
-
Bepaal of afgeleide variabelen moeten worden gebruikt.
In veel gevallen zou een afgeleide variabele (zoals de prijs-perverdienratio die wordt gebruikt voor het analyseren van aandelenkoersen) een grotere directe impact hebben op het model dan de onbewerkte variabele.
-
Onderzoek de kwaliteit van uw gegevens en probeer zowel de staat als de beperkingen ervan te begrijpen.
De nauwkeurigheid van de voorspellingen van het model houdt rechtstreeks verband met de variabelen die u selecteert en de kwaliteit van uw gegevens. U zou op dit moment enkele dataspecifieke vragen willen beantwoorden:
-
Zijn de gegevens compleet?
-
Heeft het uitschieters?
-
Moeten de gegevens worden gereinigd?
-
Moet u ontbrekende waarden invullen, ze bewaren zoals ze zijn, of ze helemaal verwijderen?
-
Als u uw gegevens en de eigenschappen ervan begrijpt, kunt u het algoritme kiezen dat het handigst is bij het bouwen van uw model. Bijvoorbeeld:
-
Regressie-algoritmen kunnen worden gebruikt om tijdreeksgegevens te analyseren.
-
Classificatiealgoritmen kunnen worden gebruikt om afzonderlijke gegevens te analyseren.
-
Associatie-algoritmen kunnen worden gebruikt voor gegevens met gecorreleerde kenmerken.
De dataset die wordt gebruikt om het model te trainen en te testen, moet relevante bedrijfsinformatie bevatten om het probleem op te lossen dat u probeert op te lossen. Als het uw doel is (bijvoorbeeld) om te bepalen welke klant waarschijnlijk zal churnt, moet de dataset die u kiest informatie bevatten over klanten die in het verleden hebben gekarnd, naast klanten die dat niet hebben gedaan.
Sommige modellen die zijn gemaakt om gegevens te ontginnen en inzicht te krijgen in de onderliggende relaties - bijvoorbeeld die met clusteringalgoritmen zijn gebouwd - hoeven geen bepaald eindresultaat in gedachten te hebben.
Er doen zich twee problemen voor bij het omgaan met gegevens terwijl u uw model aan het bouwen bent: onderfixen en overfokken.
Onderbouwen
Onderfixen is wanneer uw model geen relaties in uw gegevens kan detecteren.Dit is meestal een aanwijzing dat essentiële variabelen - die met voorspellende kracht - niet zijn opgenomen in uw analyse. Een voorraadanalyse die alleen gegevens bevat van een bullmarkt (waar de algemene aandelenkoersen stijgen), houdt bijvoorbeeld geen rekening met crises of bubbels die belangrijke correcties kunnen aanbrengen in de algehele prestaties van aandelen.
Als gegevens niet worden overgeslagen tussen de bear-bear - en -beurzen (wanneer de algemene aandelenkoersen dalen), kan het model de best mogelijke portfolioselectie niet produceren.
Overvol
Overvol is wanneer uw model gegevens bevat zonder voorspellende kracht, maar dit is alleen specifiek voor de gegevensset die u analyseert. Lawaai - willekeurige variaties in de dataset - kunnen zijn weg vinden in het model, zodat het uitvoeren van het model op een andere dataset een grote daling van de voorspellende prestaties en nauwkeurigheid van het model veroorzaakt. De bijbehorende zijbalk biedt een voorbeeld.
Als uw model prima presteert op een bepaalde gegevensset en alleen slechter presteert wanneer u het test op een andere gegevensset, vermoedt u te veel aanpassingen.
