予測分析データ分類プロセスの基本 - 真鍮タックレベル、予測解析データのダミー

真鍮製タックスレベルでは、予測分析データの分類は、学習段階と予測段階。学習段階は、分類器を通して過去の指定されたデータセットを実行することによって分類モデルを訓練することを必要とする。目標は、歴史的な（トレーニング）データから 分類ルール を抽出し、隠れた関係やルールを発見するようにモデルを教えることです。モデルは、分類アルゴリズムを使用することによってそうする。

<！学習段階に続く予測段階は、以前には見られなかったデータ（すなわち、テストデータ）を分類する新しいクラスラベルまたは数値を予測するモデルを有することからなる。

これらの段階を説明するために、あなたが時計を販売するオンラインストアのオーナーであるとします。あなたはかなり長い間オンラインストアを所有しており、店舗から時計を購入した顧客に関する多くのトランザクションデータと個人データを収集しています。操作を通じて収集したトランザクションデータに加えて、Webフォームを提供することで、サイトを通じてそのデータをキャプチャしているとします。

<！ - 2 - >

第三者からデータを購入することもできます。データは、お客様の時計以外の情報をお客様に提供します。それは聞こえるほど難しくありません。ビジネスモデルがオンラインで顧客を追跡し、それらの貴重な情報を収集して販売する企業があります。

サードパーティの企業のほとんどは、ソーシャルメディアサイトからデータを収集し、データマイニング手法を適用して、個々のユーザーと製品との関係を発見します。この場合、時計店のオーナーとして、お客様と時計の購入に対する関心の関係に興味があります。

<！ - 3 - >

このタイプの情報は、顧客のソーシャルネットワークプロファイルや、Twitterで見つけた種類のマイクロブログコメントなどを分析することで推論することができます。

個人の腕時計に対する関心度を測定するには、個人の書面によるテキスト（ソーシャルネットワークのステータス、つぶやき、ブログの投稿など）またはオンラインの活動の中でそのような相関を発見できるいくつかのテキスト分析ツールを適用することができますオンラインソーシャルインタラクション、写真のアップロード、検索など）。

あなたの顧客の過去の取引と現在の関心に関するすべてのデータを収集した後は、モデルを探すモデルを示す

トレーニングデータ を作成します。簡単にアクセスして使用することができます（データベースなど）。 この段階で、データ分類の第2段階に到達しました。

予測段階 は、モデルをテストすることと、生成した分類規則の精度です。そのためには、 テストデータ （トレーニングデータとは異なる）と呼ばれる追加の過去の顧客データが必要になります。 このテストデータをモデルに入力し、予測結果の精度を測定します。モデルが予測した時間を、テストデータに表された顧客の将来の行動を正確に予測します。モデルが間違った予測をした回数もカウントします。

この時点では、2つの可能な結果しかありません。モデルの精度に満足しているか、そうでないか：

満足すれば、モデルを準備する準備ができますプロダクションシステムの一部としての予測。

• 予測に満足できない場合は、新しいトレーニングデータセットを使用してモデルを再学習する必要があります。

• 元のトレーニングデータが、顧客のプールの代表者ではない場合、または誤った信号を導入してモデルの結果を捨てるノイズの多いデータが含まれている場合は、モデルを稼働させるためにさらに多くの作業が必要です。いずれの結果もその方法には有用です。