Tahmin Edici Analizler için bir Algoritma Seçme - Tahmin Edici Analizler için bir Algoritma seçme - Tahtta <[SET:descriptiontr]Çeşitli istatistiksel, veri madenciliği ve makine öğrenme algoritmaları bulunan Tahmin Edici Analizler için

Tahmini analitik modelinizde çeşitli istatistiksel, veri incelemesi ve makine öğrenme algoritmaları kullanılabilir. Modelinizin hedeflerini tanımladıktan ve üzerinde çalışacağınız veriyi seçtikten sonra bir algoritma seçmek için daha iyi bir konumdasınız. Bu algoritmalardan bazıları belirli iş problemlerini çözmek, mevcut algoritmaları geliştirmek veya yeni yetenekler sağlamak için geliştirildi; bu da bazılarını amaçlarınız için diğerlerine göre daha uygun hale getirebilir. Aşağıdakiler gibi ticari kaygıları gidermek için bir dizi algoritma arasından seçim yapabilirsiniz:

• Örneğin, sosyal alanda müşteri segmentasyonu ve / veya topluluk tespiti için, kümeleme algoritmalarına ihtiyaç duyarsınız.
• Müşteri sadakati veya bir tavsiye sistemi geliştirmek için sınıflandırma algoritmaları kullanırsınız.
• Kredi puanlaması veya zaman odaklı olayların bir sonraki sonucunu tahmin etmek için bir regresyon algoritması kullanırsınız.

Zaman ve kaynakların izin verdiği ölçüde, mümkün olduğu kadar çok sayıda algoritma çalıştırmalısınız. Farklı algoritmaların farklı koşularını karşılaştırmak, verilere ya da verilere yerleştirilen iş zekası hakkında şaşırtıcı bulgular getirebilir. Bunu yapmak, işle ilgili soruna daha ayrıntılı bilgi verir ve verilerinizdeki hangi değişkenlerin tahmini gücü olduğunu belirlemenize yardımcı olur.

Bazı tahmini analitik projeleri, aynı veri üzerinde faaliyet gösteren bir grup model oluşturarak topluluk modeli, oluşturarak en başarılıdır. Bir topluluk modeli, tüm bileşen modellerinden çıktılar toplamak ve kullanıcı için nihai bir sonuç sağlamak için önceden tanımlanmış bir mekanizma kullanır.

Modeller, bir sorgu, senaryo topluluğu, karar ağacı veya gelişmiş bir matematiksel analiz olmak üzere çeşitli biçimlerde olabilir. Buna ek olarak, bazı modeller belirli veri ve analizler için en iyi sonucu verir. Belirli bir senaryonun veya işlemin sonuçlarını kararlaştırmak için karar kuralları kullanan sınıflandırma algoritmaları kullanabilirsiniz (örneğin):

• Bu müşteri pazarlama kampanyamıza tepki verecek mi?
• Bu para transferi, muhtemelen para aklama düzeninin bir parçası mıdır?
• Bu kredi başvurusu kredi için varsayılan mı?

Veri kümenizde hangi ilişkilerin bulunduğunu bulmak için denetimsiz kümeleme algoritmalarını kullanabilirsiniz. Müşterileriniz arasında farklı gruplamaları bulmak, hangi hizmetleri birlikte gruplandırabileceklerini belirlemek veya hangi ürünlerin satışı yapılabileceğine karar vermek için bu algoritmaları kullanabilirsiniz.

Regresyon algoritmaları, geçmiş fiyatlarına bakıldığında bir stok hareketinin trendini tahmin etmek gibi sürekli verileri tahmin etmek için kullanılabilir.

Karar ağaçları, destek vektör makineleri, sinir ağları, lojistik ve doğrusal regresyonlar en yaygın algoritmalardan bazılarıdır. Matematiksel uygulamaları farklı olsa da, bu tahmini modeller karşılaştırılabilir sonuçlar üretir. Karar ağaçları daha popülerdir, çünkü anlaşılması kolaydır; belirli bir karara giden yolu takip edebilirsiniz.

Sınıflandırma algoritmaları, hedef biliniyorsa (spam e-postalarının belirlenmesi gibi) analiz türüne uygundur. Öte yandan, hedef değişken bilinmediğinde, kümeleme algoritmaları en iyi bahsinizdir. Verilerinizi, grup üyeleri arasındaki benzerliklere dayalı olarak anlamlı gruplar halinde gruplandırmanıza veya gruplandırmanıza izin verirler.

Bu algoritmalar çokça popüler. Onları uygulayan hem ticari hem de açık kaynaklı birçok araç bulunmaktadır. Veri akışı gelişen ve hızlanan (yani büyük veriler) ve düşük maliyetli donanım ve platformlar (cloud computing ve Hadoop gibi) ile tahmini analitik araçları bir patlama yaşıyor.

Bir algoritma seçerken göz önüne almanız gereken tek faktör veri ve işletme hedefleri değildir. Veri bilimcilerinizin uzmanlığı bu noktada muazzam bir değere sahiptir; işi halledecek bir algoritma seçmek genellikle bilim ve sanatın zorlu bir kombinasyonudur. Sanat bölümü, ticari amaç alanlarında doğru bir şekilde hizmet verebilecek bir modelin belirlenmesinde kritik bir rol oynayan iş alanındaki deneyim ve yetkinlikten gelir.