Cómo anotar sus predicciones analíticas con precisión
Al analizar la calidad de un modelo predictivo,&rsquo-querrá medir su exactitud. El un pronóstico más preciso será el modelo hace, más útil que es el negocio, que es una indicación de su calidad. Todo esto es bueno - a excepción de cuando el evento previsto es raro. En tal caso, la alta precisión del modelo predictivo puede ser sentido.
Por ejemplo si la probabilidad de un evento raro que se produzca es 5 por ciento, un modelo que simplemente respuestas &ldquo-no&rdquo- todo el tiempo cuando se le preguntó si el evento raro ha ocurrido sería correcto el 95 por ciento de las veces. Pero lo útil que sería un modelo de este tipo?
Por lo tanto, si su empresa tiene que tratar rutinariamente con eventos raros (si tal cosa es posible), don&rsquo-t dependen de la precisión solo como una medida de su modelo&rsquo-s fiabilidad.
Video: CIFRAS SIGNIFICATIVAS
En tal caso, se puede evaluar la eficacia y la calidad de un modelo predictivo a la luz de la probabilidad de que el evento raro va a tener lugar. Una métrica útil para seguir es especificar qué tipos de errores se puede aceptar desde el modelo y el que no se puede.
aquí&rsquo-s una lista rápida de otras formas de evaluar su modelo:
Comprobar para ver si el modelo&rsquo-s de salida se ajuste a sus criterios de evaluación.
Idear una estrategia de ensayo para que pueda probar su modelo de forma reiterada y consistente.
Medir qué tan bien el modelo cumple con los objetivos de negocio para el que fue construido.
Evaluar los riesgos de implementar el modelo en vivo.
Video: 18 Introducción a la Química Analítica
Ayudar a acabar con el sobreajuste. Cuando la construcción de un modelo predictivo, tener en cuenta que el conjunto de datos es sólo una muestra de la población. Siempre habrá factores desconocidos que sus datos no se pueden explicar, no importa qué.
Video: Mente Analítica y Racional
Abordar el análisis de su modelo predictivo con cuidado, a partir de esta lista de comprobación rápida:
Prepare sus datos con la máxima diligencia antes de usarlo para entrenar a su modelo.
Considere cuidadosamente los valores atípicos antes de la inclusión o exclusión ellos.
No bajar la guardia en las pruebas y la evaluación repetida.
datos de la muestra de verificación cruzada y datos de ensayos de alejarse de sobreajuste.
Video: Cómo incrementar nuestra capacidad de análisis
Consulte sus expertos conocimientos de dominio a menudo y de manera adecuada.