Rumah Keuangan Pribadi Menyiapkan Data Anda untuk Prediktif Analytics - dummies

Menyiapkan Data Anda untuk Prediktif Analytics - dummies

Daftar Isi:

Video: The Great Gildersleeve: The Circus / The Haunted House / The Burglar 2025

Video: The Great Gildersleeve: The Circus / The Haunted House / The Burglar 2025
Anonim

Bila Anda telah menentukan tujuan model, langkah selanjutnya dalam analisis prediktif adalah mengidentifikasi dan menyiapkan data yang akan Anda gunakan untuk membangun model Anda. Informasi berikut menyentuh aktivitas yang paling penting. Urutan umum langkah-langkah terlihat seperti ini:

  1. Identifikasi sumber data Anda.

    Data bisa dalam format yang berbeda atau berada di berbagai lokasi.

  2. Identifikasi bagaimana Anda akan mengakses data tersebut.

    Terkadang, Anda perlu memperoleh data pihak ketiga, atau data yang dimiliki oleh divisi yang berbeda dalam organisasi Anda, dll.

  3. Pertimbangkan variabel mana yang akan disertakan dalam analisis Anda.

    Satu pendekatan standar adalah memulai dengan berbagai variabel dan hilangkan yang tidak menawarkan nilai prediktif untuk model.

  4. Tentukan apakah akan menggunakan variabel turunan.

    Dalam banyak kasus, variabel turunan (seperti rasio harga per saham yang digunakan untuk menganalisis harga saham) akan memiliki dampak langsung yang lebih besar pada model daripada variabel mentah.

  5. Jelajahi kualitas data Anda, berusaha memahami keadaan dan keterbatasannya.

    Keakuratan prediksi model berhubungan langsung dengan variabel yang Anda pilih dan kualitas data Anda. Anda ingin menjawab beberapa pertanyaan spesifik data pada saat ini:

    • Apakah data sudah lengkap?
    • Apakah ada outlier?
    • Apakah data perlu dibersihkan?
    • Apakah Anda perlu mengisi nilai yang hilang, menyimpannya sebagaimana adanya, atau menghilangkannya sama sekali?

Memahami data dan propertinya dapat membantu Anda memilih algoritma yang paling berguna dalam membangun model Anda. Sebagai contoh:

  • Algoritma regresi dapat digunakan untuk menganalisis data deret waktu.
  • Algoritma klasifikasi dapat digunakan untuk menganalisis data diskrit.
  • Algoritma asosiasi dapat digunakan untuk data dengan atribut yang berkorelasi.

Algoritma individual dan teknik prediktif memiliki kelemahan dan kekuatan yang berbeda. Yang terpenting, keakuratan model bergantung pada memiliki kuantitas dan kualitas data yang besar. Data Anda harus memiliki jumlah record yang cukup untuk memberikan hasil yang bermakna secara statistik.

Mengumpulkan data yang relevan (sebaiknya banyak catatan dalam jangka waktu lama), melakukan preprocessing, dan mengekstrak fitur dengan nilai prediktif yang paling banyak adalah tempat Anda menghabiskan sebagian besar waktu Anda. Tapi Anda tetap harus memilih algoritma dengan bijak, sebuah algoritma yang harus sesuai dengan masalah bisnis.

Persiapan data sangat spesifik untuk proyek yang sedang Anda kerjakan dan algoritma yang Anda pilih untuk dipekerjakan.Bergantung pada persyaratan proyek, Anda akan menyiapkan data Anda sesuai dan memasukkannya ke algoritma saat Anda membuat model untuk memenuhi kebutuhan bisnis.

Dataset yang digunakan untuk melatih dan menguji model harus berisi informasi bisnis yang relevan untuk menjawab masalah yang ingin Anda selesaikan. Jika tujuan Anda adalah (misalnya) untuk menentukan calon pelanggan mana yang cenderung melakukan churn, maka kumpulan data yang Anda pilih harus berisi informasi tentang pelanggan yang telah mengalami mutasi di masa lalu selain pelanggan yang belum memilikinya.

Beberapa model dibuat untuk menambang data dan memahami hubungan mendasar - misalnya, algoritma yang dibangun dengan algoritma pengelompokan - tidak memerlukan hasil akhir tertentu.

Underfitting

Underfitting adalah saat model Anda tidak dapat mendeteksi adanya hubungan dalam data Anda. Ini biasanya merupakan indikasi bahwa variabel penting - yang memiliki kekuatan prediktif - tidak disertakan dalam analisis Anda.

Jika variabel yang digunakan dalam model Anda tidak memiliki daya prediktif tinggi, cobalah menambahkan variabel spesifik-domain baru dan jalankan ulang model Anda. Tujuan akhirnya adalah untuk meningkatkan kinerja model pada data pelatihan.

Masalah lain yang harus diperhatikan adalah musiman (bila Anda memiliki pola musiman, jika Anda gagal menganalisis beberapa musim, Anda mungkin mendapat masalah.) Misalnya, analisis saham yang hanya mencakup data dari seekor banteng pasar (di mana harga saham secara keseluruhan naik) tidak memperhitungkan krisis atau gelembung yang dapat membawa koreksi besar terhadap keseluruhan kinerja saham. Gagal memasukkan data yang membentang di pasar beruang banting dan (bila harga saham secara keseluruhan turun) membuat model tidak menghasilkan pilihan portofolio terbaik.

Overfitting

Overfitting adalah saat model Anda menyertakan data yang tidak memiliki kekuatan prediktif namun hanya spesifik untuk kumpulan data yang Anda analisis. Noise - variasi acak dalam kumpulan data - dapat menemukan jalannya ke dalam model, sehingga model pada dataset berbeda menghasilkan penurunan besar dalam kinerja dan keakuratan model.

Menyiapkan Data Anda untuk Prediktif Analytics - dummies

Pilihan Editor

Asisten Dokter Ujian: Tipe 1 dan Tipe 2 Diabetes - dummies

Asisten Dokter Ujian: Tipe 1 dan Tipe 2 Diabetes - dummies

Sebagai masalah yang lebih umum , Asisten Dokter Ujian (PANCE) akan mengharapkan Anda untuk mengetahui perbedaan antara diabetes tipe 1 dan tipe 2. Diabetes mellitus (DM) adalah karena metabolisme insulin yang abnormal di dalam tubuh. Pada diabetes mellitus tipe 1, pankreas tidak memproduksi insulin, dan pada tipe 2, tubuh menahan tindakan ...

Asisten Dokter Asisten: Testis dan Sekitarnya - dummies

Asisten Dokter Asisten: Testis dan Sekitarnya - dummies

Banyak kondisi kesehatan dapat mempengaruhi testis dan ini akan dibahas di Asisten Dokter Ujian. Tidak hanya kondisi penting secara klinis, tapi juga hasil tinggi untuk tes. Dari torsi hingga kanker hingga infeksi, waspadai kondisi ini. Torsion Testicular torsion adalah kondisi yang tidak Anda inginkan pada kondisi terburuk Anda ...

Praktek Pertanyaan Dermatologi pada Asisten Dokter - dummies

Praktek Pertanyaan Dermatologi pada Asisten Dokter - dummies

Dari ruam sampai eksim dan infeksi bakteri terhadap virus exanthems, pertanyaan latihan ini serupa dengan pertanyaan dermatologi pada Physician Assistant Exam (PANCE). Contoh Pertanyaan PANCE Salah satu dari berikut ini dapat berkembang menjadi karsinoma sel skuamosa dari waktu ke waktu? (A) Onikomikosis (B) Keratosis aktinik (C) Keratosis seboroik (D) Psoriasis (E) Impetigo Anda sedang mengevaluasi ...

Pilihan Editor

GED Test Prep: Penalaran Melalui Bahasa Membaca Seni Pertanyaan Drag-and-Drop

GED Test Prep: Penalaran Melalui Bahasa Membaca Seni Pertanyaan Drag-and-Drop

Bagian Penalaran Melalui Bahasa Seni GED menggunakan jenis pertanyaan drag-and-drop, antara lain. Item ini mengharuskan Anda menyeret dan melepaskan informasi dari satu lokasi ke layar lainnya. Biasanya, tujuannya adalah agar Anda menyusun ulang sesuatu dari yang paling tidak penting bagi kebanyakan orang, untuk menempatkan peristiwa ke dalam urutan, atau hanya ...

Tips Uji GED: Pertanyaan Mengatasi dan Menjawab - dummies

Tips Uji GED: Pertanyaan Mengatasi dan Menjawab - dummies

Saat Anda memulai GED, Anda ingin memiliki rencana permainan di tempat untuk bagaimana menjawab pertanyaan. Ingatlah tips berikut ini untuk membantu Anda mengatasi setiap pertanyaan: Kapan pun Anda membaca sebuah pertanyaan, tanyakan pada diri Anda, "Apa yang saya minta? "Melakukannya membantu Anda tetap fokus pada apa yang Anda butuhkan ...

GED Test Prep: Penalaran Melalui Bahasa Penulisan Seni Pertanyaan Tanggapan yang Diperluas - dummies

GED Test Prep: Penalaran Melalui Bahasa Penulisan Seni Pertanyaan Tanggapan yang Diperluas - dummies

Ketika Anda menyelesaikan bagian pertama dari bagian Reasoning Through Language Arts (RLA) dari GED, Anda memulai Respons Extended-di mana Anda menulis esai dengan menganalisis argumen yang disajikan dalam dua lembar teks contoh. Anda mendapatkan 45 menit untuk mengerjakan bagian RLA ini, dan Anda tidak dapat melakukannya ...

Pilihan Editor

Cara Melacak Konten dan Membuat Laporan untuk Otomasi Pemasaran - dummies

Cara Melacak Konten dan Membuat Laporan untuk Otomasi Pemasaran - dummies

Setelah Anda memiliki konten untuk kampanye otomasi pemasaran, saatnya belajar mengelolanya. Melacak konten Anda - mengetahui siapa yang terlibat dengannya dan di mana dia terlibat dengan-membantu Anda mengetahui bagaimana menyajikannya dengan lebih baik pada kesempatan berikutnya. Otomatisasi pemasaran membuat manajemen konten sangat berbeda dari bagaimana ...

Bagaimana Menggunakan Otomasi Pemasaran untuk Melacak Prospek Pemasaran Bergerak - dummies

Bagaimana Menggunakan Otomasi Pemasaran untuk Melacak Prospek Pemasaran Bergerak - dummies

Banyak pemasar diukur pada berapa banyak prospek yang mereka berikan pada penjualan dan persentase prospek tersebut diubah menjadi peluang. Untungnya, otomatisasi pemasaran dapat membantu Anda mengembangkan cara untuk mengukur prospek. Mendapatkan visibilitas ke prospek setelah mengirimkannya ke tim penjualan merupakan kutukan bagi banyak departemen pemasaran. Setelah menerapkan ...

Bagaimana Menggunakan Video Tertanam untuk Keterlibatan Peningkatan dalam Otomasi Pemasaran - dummies

Bagaimana Menggunakan Video Tertanam untuk Keterlibatan Peningkatan dalam Otomasi Pemasaran - dummies

Anda dapat menggunakan video khusus untuk mendorong konversi yang lebih tinggi melalui otomasi pemasaran Anda. Untuk membuat video yang lebih maju, pastikan Anda memiliki beberapa opsi dasar dengan alat video-hosting Anda: Putar otomatis: Opsi ini memungkinkan video Anda untuk mulai bermain saat seseorang mendarat di halaman. Ini bukan pilihan super canggih, tapi ...