Cómo ensemble métodos para aumentar la precisión de predicción analítica

Al igual que en el mundo real, por lo que con la multiplicidad de modelos de análisis predictivo: Donde hay unidad, hay fuerza. Varios modelos se pueden combinar de diferentes maneras de hacer predicciones. A continuación, puede aplicar el modelo combinado - llamado modelo de ensamble - en la etapa de aprendizaje, en la fase de clasificación, o en ambas etapas.

He aquí una manera de utilizar un modelo de conjunto:

1. Dividir los datos de entrenamiento en varios conjuntos.

2. Tienen cada uno de los modelos individuales que componen las partes del proceso modelo de conjunto de los datos y aprender de ella.

3. Haga que cada modelo de producir sus resultados de aprendizaje de sus datos.

Hasta aquí todo bien. Sin embargo, con el fin de obtener el modelo conjunto para predecir una clase o categoría futuro etiqueta para nuevos datos y tomar una decisión, usted tiene que funcionar los nuevos datos a través de toda la formación modelos- cada modelo predice una etiqueta de clase. Luego, sobre la base de la clasificación o predicción colectiva, se puede generar una predicción general.

Puede generar esa predicción general, simplemente implementando un mecanismo de votación que decide el resultado final. Una de las técnicas de votación podría utilizar la etiqueta que la mayoría de los modelos predicen que la etiqueta que el modelo de conjunto produce como resultado.

Supongamos que se desea construir un modelo que predice si un correo electrónico entrante es spam. Supongamos que los datos de entrenamiento consiste en una serie de correos electrónicos en los cuales algunos son spam y otros no lo son. A continuación, puede distribuir ese conjunto de datos a una serie de modelos para fines de entrenamiento.

A continuación, los modelos entrenados procesan un correo electrónico entrante. Si la mayoría de los modelos clasifican como correo no deseado, entonces el modelo de conjunto da la dirección de correo de la etiqueta final del spam.

Otra forma de implementar un modelo de conjunto es sopesar la precisión de cada modelo se está construyendo en el modelo de conjunto en contra de la exactitud de todos los demás modelos de la conjunto:

1. Se asigna un peso específico (precisión) para cada modelo.

   Video: Como aumentar la memoria

2. Este peso puede variar de un conjunto de datos a la siguiente y de un problema de negocio a la siguiente.

   Video: NUEVO MÉTODO PARA SUBIR LOS FPS EN MINECRAFT!!

3. Después de que los modelos están capacitados, puede utilizar los datos de prueba donde se sabe que la clasificación de cada punto de datos en los datos de prueba.

   Video: Песочница - ЛЕГКИЕ ТАНКИ Аналитика 1

4. Evaluar la predicción hecha por cada modelo para cada caso de prueba.

   Video: Pasos para aumentar tu inteligencia

5. Aumentar el peso de los modelos que predicen correctamente y disminuir el peso de los modelos que clasifican los datos de forma incorrecta.