Modelinizin Analitik Sonuçları Görselleştirme: Gizli Gruplama, Veri Sınıflandırma ve Dışarı Olanlar - mankenler

Modelinizin sonuçlarını paydaşlara raporlamak için görselleştirme tekniklerini kullanmanın bazı yolları.

Verilerinizdeki gizli grupları nasıl görselleştirebilirsiniz

Veri kümeleme, verilerinizde gizli kalmış ilgili grup öğelerini keşfetme işlemidir. Çoğu durumda, bir küme (gruplandırma), sosyal ağ kullanıcıları, metin belgeleri veya e-postalar gibi aynı türdeki veri nesnelerinden oluşur.

Veri kümeleme modelinin sonuçlarını görselleştirmenin bir yolu, sosyal ağ kullanıcılarından toplanan verilerde keşfedilen sosyal toplulukları (kümeleri) gösteren bir grafiktir. Müşterilerle ilgili veriler tablo biçiminde toplandı; verilere bir kümeleme algoritması uygulandı ve üç küme (grup) keşfedildi: sadık müşteriler, dolaşan müşteriler ve indirim müşterileri.

Burada, üç grup arasındaki görsel ilişki, artan pazarlama çabalarının en iyi nereyi göstereceğini şimdiden önermektedir.

Veri sınıflandırma sonuçlarının nasıl görselleştirileceği

Bir sınıflandırma modeli inceleyen her yeni veri noktasına belirli bir sınıf atar. Belirli sınıflar, bu durumda, kümeleme çalışmalarınızdan kaynaklanan gruplar olabilir. Grafikte vurgulanan çıktı, hedef kümelerinizi tanımlayabilir. Herhangi bir yeni müşteri için, tahmini bir sınıflandırma modeli, yeni müşterinin hangi gruba ait olacağını tahmin etmeye çalışır.

Müşteri verilerinde bir kümeleme algoritması ve keşfedilen gruplamalar uyguladıktan sonra bir anlığına geleceksiniz: Burada yeni bir müşteri geliyor - modelin hangi müşteri tipini tahmin etmesini istiyorsunuz yoksa olacak.

İşte yeni müşteri bilgilerinin tahmini analitik modelinize nasıl beslendiğine dair bir örnek, bu da yeni müşterinin hangi müşterilere ait olduğunu öngörüyor. Yeni müşteriler A, B ve C, sınıflandırma modeline göre kümelere atanmak üzeredir.

Sınıflandırma modelinin uygulanması, Müşteri A'nın sadık müşterilere ait olacağı ve Müşteri B'nin gezinen biri olması ve Müşteri C yalnızca indirim için gösterilmesi anlamına gelen bir sonuç ile sonuçlandı.

Verilerinizdeki belirsizlikleri nasıl görselleştirebilirsiniz

Yeni müşterileri kümelemek veya sınıflandırırken, şimdi ve sonra, mevcut bölünmelere uymayan özel durumlar için sapmalar 'a giriyoruz.

Bu örnekte, birkaç outlier önceden tanımlanmış kümelere pek uymuyor. Altı seçkin altı müşteri tespit edildi ve görselleştirildi. Modelin, tanımlanmış herhangi bir müşteri kategorisine ait olup olmadıklarını anlamayacak kadar farklı davranıyorlar. (Sadık dolaşırken, yalnızca indirimle ilgilenen bir müşteri var mı, işiniz varsa indirim yapıyor mu?)