教師付きアナリティクスを使用して予測モデルを学習する方法 - 教師付き分析のダミー

監督分析では、好ましい出力は訓練データの一部である。予測分析モデルには、学習プロセスの一部として正しい結果が提示されます。このような教師あり学習は、あらかじめ分類された例を想定しています。目標は、学習した内容に基づいて次の未知のデータ点を正しくラベル付けできるように、モデルを以前に知られていた分類から学習させることです。 <！ - 1 - >

モデルの訓練が完了したら、訓練データを調べて数学的関数を推定する。この関数は、新しいデータポイントにラベルを付けるために使用されます。

このアプローチが正しく機能するためには、トレーニングデータとテストデータを注意深く選択する必要があります。訓練されたモデルは、モデルが訓練データ内で見たデータタイプに基づいて、迅速かつ正確に新しいデータポイントの正しいラベルを予測できるはずです。

<！ - 2 - >

監視分析はいくつかの明確な利点を提供します。

アナリストはプロセスを担当します。

• 標識は既知の分類に基づく。

• ラベリングエラーは簡単に解決できます。

• これらの利点の裏には、同様に異なる可能性のある短所があります。

トレーニング段階での間違いは後で強化されます。

• <！ - 3 - >

  分析者によって提供された分類は、全人口を適切に記述していない可能性がある。

• モデルは、元のトレーニングセットから逸脱したクラスを検出できない場合があります。

• データ内のクラスタが重複しないこと、およびそれらを容易に分離することができるという前提が有効でないことがある。