Inhoudsopgave:
- Verborgen groepen in uw gegevens visualiseren
- Gegevensclassificatieresultaten visualiseren
- Visualisatie van uitbijters in uw gegevens
Video: Subliminal Message Deception - Illuminati Mind Control Guide in the World of MK ULTRA- Subtitles 2024
Visualisatie van de resultaten van uw voorspellende analyse helpt de belanghebbenden echt de volgende stappen te begrijpen. Hier zijn enkele manieren om visualisatietechnieken te gebruiken om de resultaten van uw modellen te rapporteren aan de belanghebbenden.
Verborgen groepen in uw gegevens visualiseren
Gegevensclustering is het proces van het ontdekken van verborgen groepen gerelateerde items in uw gegevens. In de meeste gevallen bestaat een cluster (groeperen) uit gegevensobjecten van hetzelfde type, zoals gebruikers van sociale netwerken, tekstdocumenten of e-mails.
Een manier om de resultaten van een model voor gegevensclustering te visualiseren, is een grafiek die sociale gemeenschappen (clusters) vertegenwoordigt die zijn gevonden in gegevens die zijn verzameld van gebruikers van sociale netwerken. De gegevens over klanten zijn verzameld in een tabelformaat; vervolgens werd een clusteralgoritme op de gegevens toegepast en werden de drie clusters (groepen) ontdekt: loyale klanten, zwervende klanten en kortingsklanten.
Hier suggereert de visuele relatie tussen de drie groepen al waar verbeterde marketinginspanningen het meeste goed kunnen doen.
Gegevensclassificatieresultaten visualiseren
Een classificatiemodel wijst een specifieke klasse toe aan elk nieuw gegevenspunt dat het onderzoekt. De specifieke klassen in dit geval kunnen de groepen zijn die het resultaat zijn van uw clustering. De uitvoer gemarkeerd in de grafiek kan uw doelsets definiëren. Voor elke nieuwe klant probeert een voorspellend classificatiemodel te voorspellen tot welke groep de nieuwe klant behoort.
Nadat u een clusteringalgoritme en ontdekte groeperingen in de klantgegevens hebt toegepast, komt u tot een moment van waarheid: hier komt een nieuwe klant - u wilt dat het model voorspelt welk type klant hij heeft of zij zal zijn.
Hier is een voorbeeld van hoe de informatie van een nieuwe klant wordt ingevoerd in uw voorspellende analysemodel, dat op zijn beurt voorspelt tot welke groep klanten deze nieuwe klant behoort. Nieuwe klanten A, B en C staan op het punt te worden toegewezen aan clusters volgens het classificatiemodel.
Het classificatiemodel toepassen resulteerde in een voorspelling dat klant A bij de trouwe klanten zou behoren, klant B zou een zwerver zijn en klant C kwam alleen opdagen voor de korting.
Visualisatie van uitbijters in uw gegevens
Tijdens het clusteren of classificeren van nieuwe klanten komt u zo nu en dan uitbijters tegen - speciale gevallen die niet passen in de bestaande divisies.
In dit voorbeeld passen enkele uitschieters niet goed in de vooraf gedefinieerde clusters. Zes uitbijterklanten zijn gedetecteerd en gevisualiseerd. Ze gedragen zich verschillend genoeg zodat het model niet kan bepalen of ze tot een van de gedefinieerde categorieën klanten behoren. (Bestaat er zoiets als een trouwe zwervende klant die alleen geïnteresseerd is in de korting? En als er zaken zijn, moet uw bedrijf dan zorgen?)