Cómo visualizar los resultados analíticos de su modelo: agrupaciones ocultos, clasificaciones de datos y valores atípicos

Visualización de los resultados de su análisis predictivo realmente ayuda a las partes interesadas a comprender los pasos a seguir. He aquí algunas maneras de utilizar técnicas de visualización para informar de los resultados de sus modelos a las partes interesadas.

Cómo visualizar grupos ocultos en sus datos

Agrupación de datos es el proceso de descubrir grupos ocultos de artículos relacionados dentro de sus datos. En la mayoría de los casos, una racimo (agrupación) se compone de objetos de datos del mismo tipo, como usuarios de redes sociales, documentos de texto o correos electrónicos.

Una forma de visualizar los resultados de un modelo de datos-agrupación es un gráfico que representa las comunidades sociales (clusters) que fueron descubiertas en los datos recogidos de los usuarios de redes sociales. Los datos sobre los clientes se recogieron en una tabla formateada entonces un algoritmo de agrupamiento se aplicó a los datos, y se descubrieron los tres grupos (grupos): los clientes leales, clientes errantes, y los clientes de descuento.

Aquí la relación visual entre los tres grupos ya sugiere donde mejorado los esfuerzos de marketing podría hacer el mayor bien.

imagen0.jpg

Cómo visualizar resultados de la clasificación de datos

Un modelo de clasificación asigna una clase específica a cada nuevo punto de datos se examina. Las clases específicas, en este caso, podrían ser los grupos que resultan de su trabajo la agrupación. La salida se destaca en el gráfico puede definir sus conjuntos de destino. Para cualquier nuevo cliente dado, un modelo de clasificación predictivo intenta predecir qué grupo el nuevo cliente pertenecerá.

Después de que haya aplicado un algoritmo de agrupamiento y descubierto agrupaciones en los datos de los clientes, se llega a una hora de la verdad: ¡Aquí viene un nuevo cliente - desea que el modelo para predecir qué tipo de cliente que él o ella será.

Aquí está un ejemplo de cómo se alimenta la información de un nuevo cliente a su modelo de análisis predictivo, que a su vez predice qué grupo de clientes de este nuevo cliente pertenece. Clientes Nuevos A, B y C están a punto de ser asignados a grupos de acuerdo al modelo de clasificación.

La aplicación del modelo de clasificación dado lugar a una predicción de que el Cliente Un pertenecería a los clientes leales, el Cliente B sería un vagabundo, y el Cliente C sólo se muestra para el descuento.

image1.jpg

Cómo visualizar los valores atípicos en los datos

En el curso de la agrupación o clasificación de nuevos clientes, de vez en cuando te encuentras con valores atípicos - casos especiales que no encajan en las divisiones existentes.

En este ejemplo, unos valores atípicos no encajan bien en los grupos predefinidos. Seis clientes de valores atípicos se han detectado y visualizado. Se comportan bastante diferente que el modelo no puede decir si pertenecen a alguna de las categorías definidas de los clientes. (¿Hay una cosa tal como, por ejemplo, un cliente errante leal que sólo está interesado en el descuento? Y si la hay, debe su cuidado negocio?)

image2.jpg


» » » » Cómo visualizar los resultados analíticos de su modelo: agrupaciones ocultos, clasificaciones de datos y valores atípicos