Video: Watch Dogs 2 [BAHASA INDONESIA] 2025
Berbagai algoritma statistik, data mining, dan mesin-pembelajaran tersedia untuk digunakan dalam model analisis prediktif Anda. Anda berada dalam posisi yang lebih baik untuk memilih algoritma setelah menentukan tujuan model Anda dan memilih data yang akan Anda kerjakan. Beberapa algoritma ini dikembangkan untuk memecahkan masalah bisnis yang spesifik, meningkatkan algoritma yang ada, atau memberikan kemampuan baru - yang mungkin membuat beberapa dari mereka lebih sesuai untuk tujuan Anda daripada yang lain. Anda dapat memilih dari berbagai algoritma untuk mengatasi masalah bisnis seperti berikut ini:
- Untuk segmentasi pelanggan dan / atau deteksi komunitas di ranah sosial, misalnya, Anda memerlukan algoritma pengelompokan.
- Untuk retensi pelanggan atau untuk mengembangkan sistem recommender, Anda akan menggunakan algoritma klasifikasi.
- Untuk mendapatkan penilaian kredit atau memprediksi hasil peristiwa time-driven berikutnya, Anda akan menggunakan algoritma regresi.
Seiring waktu dan sumber daya mengizinkan, Anda harus menjalankan sebanyak mungkin algoritma tipe yang tepat sesuai keinginan Anda. Membandingkan berbagai macam algoritma yang berbeda dapat membawa temuan mengejutkan tentang data atau intelijen bisnis yang tertanam dalam data. Melakukan hal tersebut memberi Anda wawasan yang lebih terperinci mengenai masalah bisnis, dan membantu Anda mengidentifikasi variabel mana dalam data Anda yang memiliki daya prediktif.
, sekelompok model yang beroperasi pada data yang sama. Model ansambel menggunakan mekanisme yang telah ditetapkan untuk mengumpulkan hasil dari semua komponen komponennya dan memberikan hasil akhir bagi pengguna. Model dapat mengambil berbagai bentuk - kueri, kumpulan skenario, pohon keputusan, atau analisis matematis tingkat lanjut. Selain itu, model tertentu bekerja paling baik untuk data dan analisis tertentu. Anda dapat (misalnya) menggunakan algoritma klasifikasi yang menggunakan peraturan keputusan untuk menentukan hasil dari skenario atau transaksi yang diberikan, menjawab pertanyaan seperti ini:
- Apakah transfer uang ini kemungkinan merupakan bagian dari skema pencucian uang?
- Apakah pemohon pinjaman ini cenderung gagal membayar pinjaman?
- Anda dapat menggunakan algoritma pengelompokan tanpa pengawasan untuk menemukan hubungan apa yang ada dalam kumpulan data Anda. Anda dapat menggunakan algoritme ini untuk menemukan pengelompokan yang berbeda di antara pelanggan Anda, menentukan layanan apa yang dapat dikelompokkan bersama, atau memutuskan misalnya produk mana yang dapat dipecah.
Algoritma regresi dapat digunakan untuk meramalkan data kontinu, seperti memprediksi trend pergerakan saham mengingat harga pastinya.
Pohon keputusan, mesin vektor pendukung, jaringan syaraf tiruan, logistik, dan regresi linier adalah beberapa algoritma yang paling umum. Meskipun implementasi matematis mereka berbeda, model prediktif ini menghasilkan hasil yang sebanding. Pohon keputusan lebih populer, karena mudah dimengerti; Anda bisa mengikuti jalan menuju keputusan yang diberikan.
Algoritma klasifikasi sangat bagus untuk jenis analisis saat target diketahui (seperti mengidentifikasi email spam). Di sisi lain, ketika variabel target tidak diketahui, algoritma pengelompokan adalah taruhan terbaik Anda. Mereka memungkinkan Anda untuk mengelompokkan atau mengelompokkan data Anda ke dalam kelompok yang bermakna berdasarkan kesamaan di antara anggota kelompok.
Algoritma ini sangat populer. Ada banyak alat, baik komersial maupun open source, yang mengimplementasikannya. Dengan akumulasi data yang berkembang dan mempercepat (yaitu, data besar), dan perangkat keras dan platform hemat biaya (seperti komputasi awan dan Hadoop), alat analisis prediktif mengalami ledakan.
Data dan tujuan bisnis bukan satu-satunya faktor yang perlu dipertimbangkan saat Anda memilih algoritma. Keahlian ilmuwan data Anda sangat berharga saat ini; Memetik sebuah algoritma yang akan mendapatkan pekerjaan yang dilakukan seringkali merupakan kombinasi ilmu dan seni yang rumit. Bagian seni berasal dari pengalaman dan kemampuan dalam ranah bisnis, yang juga memainkan peran penting dalam mengidentifikasi model yang dapat melayani tujuan bisnis secara akurat.
