Tahmin Edici Analizlerde Yeni Görselleştirme - mankenler

Görselleştirme, tahmini analitikte bir simülasyon (ne olursa olsun senaryonun resimsel bir temsilini) temsil edebilir. Tahminle çakışan ve destekleyen bir simülasyonla bir tahminin görselliğini takip edebilirsiniz. Örneğin, şirket Ürün D üretimini durdurursa ne olur? Doğal afetler, ev ofisinize çarparsa ne olur? Müşterileriniz belirli bir üründe ilgi kaybederse ne olur? Bir şirketin, pazarın ve hava durum sisteminin gelecekteki davranışlarını taklit etmek için görselleştirme kullanabilirsiniz - onu adlandırın.

A pano kapsamlı bir tahmini analiz modeli görüntülemek için kullanabileceğiniz başka bir görselleştirme türüdür. Gösterge tablosu, bir kontrol düğmesi kullanarak tahmini analitik akış hattındaki herhangi bir adımı değiştirmek için size izin verecektir. Bu, verilerin seçilmesi, verilerin önişleme, öngörülen bir model seçimi ve doğru değerlendirme sürümlerinin seçilmesini içerebilir.

Kontrol panelindeki kontrol düğmesini kullanarak boru hattının herhangi bir bölümünü istediğiniz zaman kolaylıkla değiştirebilirsiniz. Kontrol paneli, kontrolünüzün olduğu interaktif bir görselleştirme türüdür ve diyagramları, tabloları veya haritaları, bu grafikleri ve grafikleri üreten analizlere dahil etmeyi seçtiğiniz girdilere dayanılarak dinamik olarak değiştirebilirsiniz.

En az bir tahminsel analitik tekniği, kuşlar akın doğal fenomenden tamamen esinlenmiştir. Kuş sürüleme modeli, yalnızca veri gruplamalarını tanımlamakla kalmaz aynı zamanda dinamik eylemde gösterir. Verilerinizdeki gizli kalıpları resmetmek için aynı teknik kullanılabilir.

Model, veri nesnelerini, göç eden bir kuş sürüsü doğada nasıl hareket ettiğini düzenleyen, akın kuralları sonrasında sanal bir alana uçan kuşlar olarak temsil eder.

Birkaç veri nesnesini kuşlar olarak göstermek, benzer veri nesnelerinin birlikte alt darbeler (gruplama) oluşturacak şekilde akın ettiklerini ortaya koymaktadır. Gerçek dünyadaki nesneler arasındaki benzerlik, sanal uzaydaki ilgili kuşların hareketlerini yönlendiren şeydir. Örneğin, çeşitli İnternet kullanıcılarından (netizenler olarak da bilinir) toplanan çevrimiçi verileri analiz etmek istediğinizi düşünün.

İnternet kullanıcılarının çevrimiçi davranışlarını analiz etmek için kuş sürü kullanıyor.

Her bilgi parçası (sosyal ağ kullanıcı bilgileri ve müşteri çevrimiçi işlemleri gibi kaynaklardan toplanır) sanal alanda karşılık gelen bir kuş olarak temsil edilecektir.

İki netizör akın ediyor.

Model, iki veya daha fazla kullanıcının e-posta veya sohbet yoluyla birbirleriyle etkileşime girdiğini, aynı çevrimiçi fotoğrafta görünmesini, aynı ürünü satın almasını veya aynı ilgi alanlarını paylaşmasını sağladığını keşfederse, model bu iki netleştiriciyi birlikte akan kuşlar olarak gösterir, doğal akın kurallarını takip ederek.

Temsili kuşların birbirlerine ne kadar yakın oldukları etkileşim, sosyal etkileşim sıklığına veya kullanıcıların aynı ürünleri satın aldığı veya aynı çıkarları paylaştığı yoğunluğa bağlı olan matematiksel bir işlev olarak ifade edilir. Bu son matematiksel işlev tamamen uyguladığınız analitik türüne bağlıdır.

Yukarıdaki resimde, X ve Y'nin kuşlar olarak temsil edildiği kuş gözlemli sanal alan olarak, siber alanda Netizens X ve Y arasındaki Facebook'daki etkileşimi tasvir edilmektedir. Netizens X ve Y birbirleriyle etkileşime girdiğinden, sonraki akın yinelemesi iki kuşu birbirine daha yakın gösterecektir.

Prof. Anasse Bari ve Prof. Bellaachia tarafından icat edilen "lider tarafından sürü" olarak bilinen bir algoritma, güvercinlerin liderlik dinamiklerini ortaya çıkaran yeni bir keşiften esinlenilmiştir. Bu algoritma, kullanıcı girdilerini, liderleri tespit etmelerine, takipçilerini keşfetmelerine ve sürüler doğal olarak şekillendiğinde ne olacağını taklit eden akıcı hareket davranışını başlatmalarına olanak tanıyan veri noktaları için mayın atabilirler - sürülerden başka, bu durumda, < veri sürüler. Bu teknik yalnızca verilerdeki kalıpları tespit etmekle kalmaz, aynı zamanda tahmine dayalı analitik modeller uygulayarak elde edilen sonuçların net bir resimsel sunumunu sağlar. Doğadaki akın davranışını düzenleyen kurallar, veri analizine uygun yeni akıncı kurallar yaratmak için genişletildi:

Veri sürü homojenliği:

• Sürü üyeleri, verilerde benzerlik sergiliyor. Veri akın liderliği:
• Model bilgi liderlerini öngörüyor. Büyük bir veri kümesini bir sürü kuş olarak temsil etmek, büyük verilerin bir gösterge tablosunda kolaylıkla görselleştirilmesinin bir yoludur.

Bu görselleştirme modeli, aykırı değerler, liderler veya takipçiler olan verilerin parçalarını tespit etmek için kullanılabilir. Bir siyasi başvuru, topluluk dışavurumlarını, topluluk liderlerini veya topluluk taraftarlarını görselleştirmek olabilir. Biyomedikal alanda, model, belirli bir hastalığın genetik örnekleri arasında (örn., Belirli bir mutasyonu en tutarlı şekilde gösteren) genlerin ve liderlerin dışa vurum genlerinin görüntülenmesi için kullanılabilir.

Sürüncemede bilinmeyen olayların gelecekteki kalıplarını - iç karışıklık, ortaya çıkan bir toplumsal hareket, gelecekteki bir müşterinin soyunu - tahmin etmek için kuş sürülerinde görselleştirme de kullanılabilir.

Akıcı görüntüleme, yüksek hızda çok miktarda akışlı veri alıyorsanız özellikle yararlıdır: Veri nesnelerini temsil eden kuşları içeren sanal alanda akın oluşumunu görebilirsiniz. Veri analizinin sonuçları, gerçek anlamda sanal alanda yansır. Gerçeklik, yalnızca doğadan esinlenilerek kurgusal, ancak gözlemlenebilir ve analitik olarak anlamlı bir temsilde sunulmuştur. Bu görselleştirme aynı zamanda simülasyonlar ya da ne olursa olsun senaryolar olarak da işe yarar.

Akıcı davranışa dayalı görselleştirme, her bir netizeni bir sanal kuşa indeksleyerek başlar. Başlangıçta bütün kuşlar boştur.Veriler geldiğinde, her kuş, analitik sonuçlara ve akın kurallarına göre sanal alana akınmaya başlar.

Akın yapan netizörlerin takibi.

Aşağıda, analitikler sunulduğunda ortaya çıkan sürü oluşur.

Sürü ne yapıyor.

T + k ile biten geniş bir süre boyunca verileri analiz ettikten sonra, tahmini analitik sonuçların bu uygulamanın sonuçları aşağıda gösterildiği gibi tasvir edilebilir: Sürücü tarafından sürü algoritması, sürü üyelerini üç sınıfa ayırır: Bir lider, takipçiler ve sapkın kişiler.

Sürü akın sürüsü sürüyü alt bölümlere ayırır.

Leader-by-leader algoritması Dr. Bari ve Dr. Bellaachia tarafından icat edildi ve bu kaynaklarda ayrıntılı olarak açıklandı:

"Lider Tarafından Sürü: Yeni Bir Makine Öğrenen Biyolojik İlham Alınan Kümeleme Algoritması", IEEE Uluslararası Kütük Zekası Konferansı, 2012.

• Bu ayrıca,

Swarm Intelligence'daki Gelişmeler, 2012 Sürümü - (Springer-Verlag) 'de bir kitap bölümü olarak görülüyor. "SFLOSCAN: Dinamik Sosyal Ağlarda Topluluk Tanımlaması için Biyolojik Olarak İlham Verilen Bir Veri Madenciliği Çerçevesi", IEEE Uluslararası Hesaplamalı Zeka Konferansı 2011 (SSCI 2011), 2011.