Video: Keynote (TensorFlow Dev Summit 2018) 2024
Seperti yang mungkin Anda duga, analisis prediktif bukanlah aktivitas satu ukuran cocok untuk semua - juga hasilnya hanya sekali dan selamanya.. Agar teknik bekerja dengan benar, Anda harus menerapkannya berulang kali - jadi Anda memerlukan pendekatan menyeluruh yang sesuai dengan bisnis Anda. Keberhasilan proyek analisis prediktif Anda bergantung pada banyak faktor:
-
Sifat data Anda
-
Sifat bisnis dan budayanya
-
Ketersediaan keahlian in-house
-
Akses ke alat analisis yang tepat
Pendekatan yang Anda pilih akan mempengaruhi keluaran model, proses menganalisis hasilnya, dan interpretasinya prakiraan. Dan memilih sebuah pendekatan adalah tidak berjalan di taman. Ada banyak hal yang bisa salah, banyak perangkap yang bisa Anda masuki, dan jalur yang menyesatkan yang bisa Anda ambil.
Dengan senang hati, Anda dapat mempertahankan diri dari perangkap ini dengan menerapkan beberapa praktik bijak sejak dini:
-
Terus uji hasil model analisis prediktif Anda. Jangan mengandalkan hasil satu analisis tunggal; Sebagai gantinya, jalankan beberapa analisis secara paralel - dan bandingkan hasilnya.
-
Menjalankan, menguji, membandingkan, dan mengevaluasi beberapa model dan hasilnya. Gunakan sebanyak mungkin simulasi, dan periksa permutasi sebanyak mungkin. Beberapa keterbatasan dalam data Anda hanya akan terungkap saat Anda membandingkan hasil yang Anda dapatkan dari model Anda dengan model yang Anda dapatkan dari model lainnya. Kemudian Anda dapat menilai dampak dari setiap hasil model terhadap tujuan bisnis Anda.
Gunakan beberapa model untuk mengidentifikasi sebanyak mungkin pola yang relevan dalam data Anda.
