Bagaimana Memilih Algoritma untuk Model Analisis Prediktif

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 algoritme 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 pelanggan ini cenderung merespons kampanye pemasaran kita?

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.

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 domain bisnis, yang juga memainkan peran penting dalam mengidentifikasi model yang dapat melayani tujuan bisnis secara akurat.