Cómo anotar sus predicciones analíticas precisión
Al analizar la calidad de un modelo predictivo, usted querrá medir su precisión. El un pronóstico más preciso el modelo hace, más útil que es para la empresa, que es una indicación de su calidad. Todo esto es bueno - a excepción de cuando el evento predicho es raro. En tal caso, la alta precisión del modelo predictivo puede ser sentido.
Por ejemplo, si la probabilidad de un evento raro que ocurra es del 5 por ciento, un modelo que simplemente responde "no" todo el tiempo cuando se le preguntó si el evento raro ha ocurrido que sería justo el 95 por ciento de las veces. Pero cuán útil sería un modelo de este tipo?
Por lo tanto, si su empresa debe tratar rutinariamente con eventos raros (si tal cosa es posible), no confiar en la exactitud solo como una medida de la fiabilidad de su modelo.
En tal caso, se puede evaluar la eficacia y la calidad de un modelo predictivo a la luz de la forma probable el raro caso va a tener lugar. Una métrica útil seguir es especificar qué tipos de errores se puede aceptar de la modelo y el que no se puede.
He aquí una lista rápida de otras maneras de evaluar su modelo:
Compruebe si la salida del modelo se ajuste a sus criterios de evaluación.
Diseñar una estrategia de ensayo para que pueda probar su modelo en varias ocasiones y de forma coherente.
Mide lo bien que el modelo cumple con los objetivos de negocio para el que fue construido.
Evaluar los riesgos de implementar el modelo en vivo.
Ayude a erradicar sobreajuste. Cuando la construcción de un modelo predictivo, tenga en cuenta que el conjunto de datos sólo es una muestra de la población total. Siempre habrá factores desconocidos que sus datos no se pueden explicar, no importa qué.
Abordar el análisis de su modelo predictivo con cuidado, a partir de esta lista de comprobación rápida:
Prepare sus datos con la máxima diligencia antes de usarlo para entrenar a su modelo.
Considere cuidadosamente los valores extremos antes de la inclusión o exclusión.
Permanecer vigilantes en las pruebas y la evaluación repetida.
De Comprobación de datos de muestras y datos de ensayos para dirigir lejos de sobreajuste.
Consulte a su dominio de conocimientos expertos a menudo y de manera apropiada.