La construcción de un modelo de análisis predictivo

Un exitoso proyecto de análisis predictivo se ejecuta paso a paso. Al sumergirse en los detalles del proyecto, esté atento a estos hitos principales:

1. Definición de objetivos de negocio

   El proyecto comienza con el uso de un objetivo de negocio bien definido. El modelo se supone que debe abordar una cuestión de negocios. Claramente indica que el objetivo le permitirá definir el alcance de su proyecto, y le proporcionará la prueba exacta de medir su éxito.

2. Datos Preparación

   Vamos a usar los datos históricos para entrenar a su modelo. Los datos son generalmente dispersa a través de múltiples fuentes y puede requerir la limpieza y preparación. Los datos pueden contener registros duplicados y outliers- dependiendo del análisis y el objetivo de negocio, usted decide si desea mantener o eliminarlos. Además, los datos podrían tener valores perdidos, puede que tenga que someterse a una transformación, y puede ser utilizado para generar atributos derivados que tienen mayor poder predictivo para su objetivo. En general, la calidad de los datos indica la calidad del modelo.

3. El muestreo de los datos

   Usted tendrá que dividir los datos en dos conjuntos: formación y la prueba conjuntos de datos. Usted construye el modelo utilizando el conjunto de datos de entrenamiento. Utiliza los datos de prueba establecidos para verificar la exactitud de la producción del modelo. Si lo hace, es absolutamente crucial. De lo contrario se corre el riesgo de sobreajuste su modelo - entrenar el modelo con un conjunto de datos limitado, hasta el punto que recoge todas las características (tanto de la señal y el ruido) que sólo son verdaderas para ese conjunto de datos en particular. Un modelo que está overfitted para un conjunto de datos específico realizará miserablemente cuando se ejecuta en otros conjuntos de datos. Un conjunto de datos de prueba se asegura de una forma válida de medir con precisión el rendimiento de su modelo.

4. Construyendo el Modelo

   A veces, los datos o los objetivos de negocio se prestan a un algoritmo o modelo específico. Otras veces el mejor enfoque no es tan clara. Al explorar los datos, ejecutar como muchos algoritmos como CAN comparar sus salidas. Base su elección del modelo final sobre los resultados generales. A veces es mejor la ejecución de un conjunto de modelos de forma simultánea en los datos y elegir un modelo final mediante la comparación de sus resultados.

5. Implementación del Modelo

   Después de construir el modelo, hay que desplegarlo con el fin de aprovechar sus beneficios. Ese proceso puede requerir la coordinación con otros departamentos. Apunta a la construcción de un modelo de despliegue. También asegúrese de saber cómo presentar sus resultados a los accionistas de la empresa de una manera comprensible y convincente para que adopten su modelo. Después se implementa el modelo, tendrá que vigilar su desempeño y continuar mejorándolo. La mayoría de los modelos de descomposición después de un cierto período de tiempo. Mantenga su modelo al día actualizando con nuevos datos disponibles.