予測分析モデルのアルゴリズムを選択する方法 - ダミー

予測分析モデルで使用するさまざまな統計、データマイニング、機械学習アルゴリズムが利用できます。モデルの目的を定義し、作業するデータを選択した後、アルゴリズムを選択するのに適しています。これらのアルゴリズムの中には、特定のビジネス上の問題を解決したり、既存のアルゴリズムを拡張したり、新しい機能を提供したりするために開発されたものがあります。次のようなビジネス上の問題に対処するために、さまざまなアルゴリズムから選択できます。

<！ - 1 - >

たとえば、ソーシャルスフェアでの顧客のセグメンテーションやコミュニティの検出には、クラスタリングアルゴリズムが必要です。

• 顧客保持またはリコメンダリングシステムを開発するには、分類アルゴリズムを使用します。

• クレジット・スコアリングまたは時間駆動イベントの次の結果を予測するには、回帰アルゴリズムを使用します。

• 時間とリソースが許す限り、できるだけ多くのアルゴリズムを適切な型で実行する必要があります。異なるアルゴリズムの実行を比較すると、データやビジネスインテリジェンスがデータに埋め込まれているという驚くべき発見ができます。そうすることで、ビジネス上の問題をより詳細に把握することができ、データ内のどの変数が予測力を持つのかを識別するのに役立ちます。

<！いくつかの予測分析プロジェクトは、同じデータを操作する

アンサンブルモデル、

モデルグループを構築することで最も成功します。アンサンブルモデルは、事前定義されたメカニズムを使用して、すべてのコンポーネントモデルから結果を収集し、ユーザーに最終的な結果を提供します。モデルは、クエリ、シナリオの集合、決定木、または高度な数学的解析など、さまざまな形をとることができます。さらに、特定のモデルは特定のデータと分析に最適です。決定ルールを使用して、特定のシナリオやトランザクションの結果を決定する分類アルゴリズムを使用して（たとえば）次のような質問に対処できます。 <！ - 3 - > この顧客はGoogleのマーケティングキャンペーンに反応する可能性が高いですか？

この送金は、マネーロンダリング制度の一部となる可能性がありますか？

このローン申請者は融資にデフォルトする可能性がありますか？

• 教師なしクラスタリングアルゴリズムを使用して、データセット内に存在する関係を見つけることができます。これらのアルゴリズムを使用して、顧客間で異なるグループを見つけたり、どのサービスをグループ化したり、どの製品をアップグレードできるかなどを決定することができます。回帰アルゴリズムは、過去の価格を考慮して株式移動の傾向を予測するなど、連続データを予測するために使用できます。データとビジネス目標だけでは、アルゴリズムを選択する際に考慮すべき要因はありません。あなたのデータ科学者の専門知識は、この時点で非常に大きな価値があります。仕事を完成させるアルゴリズムを選ぶことは、しばしば科学と芸術の複雑な組み合わせです。

• 芸術の部分は、ビジネス領域での経験と熟練から生まれ、正確にビジネス目標に役立つモデルを特定する上で重要な役割を果たします。