予測分析に適切に仮定を使用する方法 - ダミー

予測の分析モデルの中核にはいくつかの前提があります。これらの仮定は、分析で選択され考慮された変数に現れ、これらの変数は最終モデルの出力の精度に直接影響します。

そのため、初めにあなたの最も賢明な予防策は、あなたのモデルにとって最も重要な仮定を特定し、それらを絶対最小限に保つことです。

<！ - 1 - >

実世界でうまく機能する予測モデルを作成するには、ビジネスに関する知識が必要です。あなたのモデルはサンプルデータだけを知っています。実際にはほとんど何もありません。だから、小さくして、必要に応じてモデルを強化してください。

可能性のある質問やシナリオを調べることで、重要な発見が導き出され、現実世界の要素をより深く理解することができます。このプロセスは、分析の結果に影響を与える可能性のあるコア変数を特定することができます。

<！ - 2 - >

予測分析に対する体系的なアプローチでは、この段階的な「what-if」シナリオの探索は、特に興味深く有用です。ここでは、モデル入力を変更して、モデルの出力に対する1つの変数または別の変数の影響を測定します。あなたが本当にテストしているのは、その予測能力です。モデルの仮定を改善する - モデルの出力にどのような影響を与えるかをテストし、モデルがどれほど敏感であるかを調べ、それらを最小限にとどめる - は、モデルをより信頼性の高い予測能力に導くのに役立ちます。モデルを最適化する前に、

予測変数 - その出力に直接影響する機能を知る必要があります。 <！ - 3 - >

これらの決定変数は、実行ごとにいくつかのパラメータを変更しながら、モデルの複数のシミュレーションを実行し、結果を記録することで、モデルの予測の精度を得ることができます。通常は、変更した特定のパラメータに基づいて精度のばらつきをトレースすることができます。

この時点で、21世紀は14世紀に向かうことができます。 1300年代に住んでいた英国のフランシスコ会修道士で学者哲学者ウィリアムは、オッカムの剃刀と呼ばれる研究原則を開発しました。あなたの理論にはできるだけ少数しかないまで、不要な仮定を取り除くべきです。それから、それは本当である可能性が高いです。

予測が多すぎるとモデルの予測が不確実かつ不正確になります。不要な変数を削除すると、より堅牢なモデルになりますが、分析に含める変数を決定することは容易ではなく、モデルのパフォーマンスに直接影響する決定をすることは容易ではありません。

しかし、ここではアナリストがジレンマに踏み込むことができます。不必要な要素を含めると、モデルの出力を歪ませたり歪めることがありますが、関連する変数を除外するとモデルが不完全になります。

重要な決定変数を選択するときは、ドメイン知識の専門家に電話してください。現実に基づいた正確な意思決定変数がある場合、あまりにも多くの仮定を行う必要はありません。その結果、予測モデルの誤差が少なくなる可能性があります。