Cómo visualizar los resultados analíticos de su modelo: agrupaciones ocultas, las clasificaciones de datos, y los valores extremos
Video: Preprocesamiento de datos
La visualización de los resultados de su análisis predictivo realmente ayuda a las partes interesadas a comprender los pasos a seguir. Aquí hay algunas maneras de utilizar técnicas de visualización para informar de los resultados de sus modelos a las partes interesadas.
Cómo visualizar grupos ocultos en sus datos
la agrupación de datos es el proceso de descubrir grupos ocultos de artículos relacionados dentro de sus datos. En la mayoría de los casos, una racimo (Agrupación) se compone de objetos de datos del mismo tipo, tales como usuarios de redes sociales, documentos de texto o correos electrónicos.
Una manera de visualizar los resultados de un modelo de agrupación de datos es un gráfico que representa las comunidades sociales (clusters) que fueron descubiertos en los datos recogidos de usuarios de redes sociales. se recogieron los datos sobre los clientes en un tabular Formato- entonces un algoritmo de agrupamiento se aplicó a los datos, y se descubrieron los tres grupos (grupos): clientes fieles, clientes errantes, y clientes de descuento.
Aquí la relación visual entre los tres grupos ya sugiere, donde mejorada esfuerzos de marketing podría hacer el mayor bien.
Video: "Minería de Datos"
Cómo visualizar los resultados de clasificación de datos
Un modelo de clasificación asigna una clase específica para cada nuevo punto de datos se examina. Las clases específicas, en este caso, podrían ser los grupos que resultan de su trabajo de agrupamiento. La salida de manifiesto en el gráfico puede definir sus grupos de objetivos. Para cualquier nuevo cliente dado, un modelo de clasificación predictivo intenta predecir qué grupo del nuevo cliente pertenecerá a.
Video: CLASIFICACION DE DATOS
Después de haber aplicado un algoritmo de agrupamiento y descubrió agrupaciones en los datos de los clientes, se llega a un momento de la verdad: Aquí llega un nuevo cliente - desea que el modelo para predecir qué tipo de cliente que él o ella será.
Aquí está un ejemplo de cómo la información de un nuevo cliente se alimenta a su modelo de análisis predictivo, que a su vez predice qué grupo de clientes este nuevo cliente pertenece. Nuevos clientes A, B, y C están a punto de ser asignados a grupos de acuerdo al modelo de clasificación.
Video: logica difusa en clasificacion de bases de datos
La aplicación del modelo de clasificación dado lugar a una predicción de que el cliente A pertenecería a los clientes fieles, el Cliente B sería un vagabundo, y el Cliente C sólo se muestra para el descuento.
Cómo visualizar los valores atípicos en los datos
En el curso de la agrupación o clasificación de nuevos clientes, de vez en cuando se encuentra con valores atípicos - casos especiales que no encajan en las divisiones existentes.
En este ejemplo, algunos valores atípicos no encajan bien en los grupos predefinidos. Seis clientes atípicos se han detectado y visualizado. Se comportan de manera diferente lo suficiente que el modelo no puede decir si pertenecen a alguna de las categorías definidas de los clientes. (¿Hay una cosa tal como, por ejemplo, un cliente vagar leal que sólo está interesado en el descuento? Y si lo hay, debe su cuidado negocio?)
