Comment visualiser les résultats d'analyse de votre modèle: regroupements cachés, les classifications de données, et les valeurs aberrantes
Visualisation des résultats de votre analyse prédictive aide vraiment les parties prenantes à comprendre les prochaines étapes. Voici quelques façons d'utiliser des techniques de visualisation de rapporter les résultats de vos modèles pour les parties prenantes.
Sommaire
Comment visualiser groupements cachées dans vos données
Le regroupement des données est le processus de découverte des groupes cachés d'articles connexes au sein de vos données. Dans la plupart des cas, un grappe (groupement) se compose d'objets de données du même type tels que les utilisateurs de réseaux sociaux, des documents texte ou e-mails.
Une façon de visualiser les résultats d'un modèle de données en cluster est un graphique qui représente les communautés sociales (clusters) qui ont été découverts dans les données recueillies auprès des utilisateurs de réseaux sociaux. Les données sur les clients ont été recueillies dans un tableau formatage puis un algorithme de clustering a été appliquée aux données, et les trois clusters (groupes) ont été découverts: des clients fidèles, les clients errants, et les clients d'actualisation.
Voici la relation visuelle entre les trois groupes suggère déjà où amélioré les efforts de marketing pourrait faire le plus de bien.
Comment visualiser les résultats de classification de données
Un modèle de classification attribue une classe spécifique à chaque nouveau point de données qu'il examine. Les classes spécifiques, dans ce cas, pourraient être les groupes qui résultent de votre travail de clustering. La sortie mis en évidence dans le graphique peut définir vos ensembles de cibles. Pour tout nouveau client donné, un modèle de classification prédictive tente de prédire quel groupe le nouveau client appartient.
Après que vous avez appliqué un algorithme de clustering et découvert groupements dans les données du client, vous arrivez à un moment de vérité: Voici venir un nouveau client - vous voulez que le modèle permettant de prédire quel type de client, il ou elle sera.
Voici un exemple de la façon dont les informations d'un nouveau client est alimenté à votre modèle d'analyse prédictive, qui à son tour prédit quel groupe de clients ce nouveau client appartient. Nouveaux clients A, B, et C sont sur le point d'être attribué à des groupes selon le modèle de classification.
L'application du modèle de classification conduit à une prédiction que le client A appartiendrait avec les clients fidèles, le Client B serait un vagabond, et le Client C a été montrant seulement pour la réduction.
Comment visualiser les valeurs aberrantes dans vos données
Au cours de regroupement ou de classer de nouveaux clients, tous les exploités vous maintenant et puis en aberrantes - cas spéciaux qui ne cadrent pas avec les divisions existantes.
Dans cet exemple, quelques valeurs ne cadrent pas bien dans les groupes prédéfinis. Six clients aberrantes ont été détectés et visualisés. Ils se comportent assez différente que le modèle ne peut pas dire qu'ils appartiennent à l'une des catégories définies de clients. (Y at-il une chose telle que, par exemple, un client de l'errance fidèle qui est seulement intéressé par le rabais? Et si il est, si votre soins de l'entreprise?)
-
Notions de base de clusters de données dans l'analyse prédictive -
Notions de base de l'analyse prédictive de données de traitement classifications - Les sources de données pour les projets d'analyse prédictive
- Comment catégoriser les modèles d'analyse prédictive
- Comment choisir un algorithme pour un modèle d'analyse prédictive
-
Comment créer des visualisations du comportement des oiseaux affluent dans l'analyse prédictive
Comment décider de garder les valeurs aberrantes dans l'analyse prédictive Décider d'inclure les valeurs aberrantes dans l'analyse - ou de les exclure - aura des implications pour votre modèle d'analyse prédictive. Garder les valeurs aberrantes dans le cadre des données dans votre analyse peut mener à un modèle qui…
Comment Ensemble méthodes visant à accroître la précision analytique prévision Comme dans le monde réel, donc avec la multiplicité des modèles d'analyse prédictive: Là où il ya l'unité, il ya la force. Plusieurs modèles peuvent être combinés de différentes manières pour faire des prédictions. Vous pouvez ensuite…
Comment évaluer un modèle d'apprentissage sans surveillance avec des k-means Après que vous avez choisi votre nombre de grappes pour l'analyse prédictive et avez mis en place l'algorithme pour remplir les clusters, vous avez un modèle prédictif. Vous pouvez faire des prédictions basées sur les nouvelles données…
Comment expliquer les résultats d'une classification des r analyse prédictive modèle Une autre tâche de l'analyse prédictive est de classer les nouvelles données en prédisant quelle classe un élément de cible de données appartient, étant donné un ensemble de variables indépendantes. Vous pouvez, par exemple, de classer un…
Comment introduire analyse prédictive données classifications pour votre entreprise Si votre entreprise n'a pas encore d'utiliser la classification des données utilisées dans l'analyse prédictive, peut-être il est temps de le présenter comme un moyen de prendre de meilleures décisions de gestion ou d'exploitation. Ce…
Comment préparer les données pour un modèle d'analyse prédictive Lorsque vous avez défini les objectifs du modèle pour l'analyse prédictive, la prochaine étape est d'identifier et de préparer les données que vous allez utiliser pour construire votre modèle. La séquence générale des mesures ressemble à…
Comment utiliser K-Means algorithmes de munitions dans l'analyse prédictive K est une entrée à l'algorithme prédictif pour analyse- il représente le nombre de groupes que l'algorithme doit extraire à partir d'un ensemble de données, exprimée algébriquement comme k. Un algorithme K-means divise un ensemble de…
Comment utiliser prédictifs arbres de décision d'analyse de prédire l'avenir UN arbre de décision est une méthode d'analyse prédictive qui peut vous aider à prendre des décisions. Supposons, par exemple, que vous avez besoin pour décider d'investir une certaine somme d'argent dans l'un des trois projets d'affaires: une…
Comment utiliser l'analyse supervisées pour former des modèles prédictifs Dans Analytics supervisées, l'entrée et la sortie préférée font partie des données de formation. Le modèle d'analyse prédictive est présenté avec les résultats corrects dans le cadre de son processus d'apprentissage. Un tel apprentissage…
Comment utiliser mahout Apache pour l'analyse prédictive Un outil open-source qui est uniquement utile dans l'analyse prédictive est Apache Mahout. Cette bibliothèque d'apprentissage comprend des versions à grande échelle de la classification, la classification, filtrage collaboratif, et d'autres…
Comment utiliser régressions linéaires dans l'analyse prédictive Régression linéaire est une méthode statistique qui analyse et trouve les relations entre les deux variables. Dans l'analyse prédictive, il peut être utilisé pour prédire une valeur numérique d'une grandeur future.Prenons un exemple de…
Comment visualiser les résultats d'analyse de votre modèle: arbres de décision et prédictions Lorsque vous présentez les résultats de votre analyse prédictive à vos parties prenantes, créant des représentations visuelles des données peut les aider à comprendre facilement l'information et de faire des décisions bien informées. Voici…
L'exploration de données pour les données volumineuses L'exploration de données consiste à explorer et d'analyser de grandes quantités de données pour trouver des modèles pour les grandes données. Les techniques sont sortis des domaines de la statistique et de l'intelligence artificielle (IA),…
Comment utiliser des traits de la clientèle, combinées à des données entraînés commercialisation La puissance de poids lourds de l'analyse de données dans les données marketing axée vient vraiment en jeu lorsque vous commencez à regarder plusieurs traits à la fois. Ceci est connu comme analyse multivariée.Comment trouver des regroupements…