Analizy predykcyjne



Informacje, które udało nam się zgromadzić na temat Analizy predykcyjne, zostały starannie sprawdzone i uporządkowane, aby były jak najbardziej przydatne. Prawdopodobnie trafiłeś tutaj, aby dowiedzieć się więcej na temat Analizy predykcyjne. W Internecie łatwo zgubić się w gąszczu stron, które mówią o Analizy predykcyjne, a jednocześnie nie podają tego, co chcemy wiedzieć o Analizy predykcyjne. Mamy nadzieję, że dasz nam znać w komentarzach, czy podoba Ci się to, co przeczytałeś o Analizy predykcyjne poniżej. Jeśli informacje o Analizy predykcyjne, które podajemy, nie są tym, czego szukałeś, daj nam znać, abyśmy mogli codziennie ulepszać tę stronę.

.

Do analizy (lub logika) predykcyjne obejmuje róne techniki ze statystyk , z wydobywania wiedzy z danych i teorii gier , które analizuj przesze i obecne fakty, aby predykcyjnych zaoe dotyczcych przyszych zdarze. W biznesie modele predykcyjne wykorzystuj wzorce odkryte w zestawach danych historycznych i transakcyjnych w celu identyfikacji ryzyk i szans. Modele wychwytuj zwizki midzy wieloma czynnikami, umoliwiajc ocen ryzyk lub szans zwizanych z okrelonym zestawem warunków, w celu ukierunkowania podejmowania decyzji w kierunku okrelonego dziaania. Analiza predykcyjna (lub logika) jest wykorzystywana w naukach aktuarialnych , usugach finansowych, ubezpieczeniach , prawie i wymiarze sprawiedliwoci , telekomunikacji , handlu detalicznym, turystyce , subie zdrowia, farmacji i wielu innych branach. Jedn z najbardziej znanych aplikacji jest ocena ryzyka klienta , która jest stosowana w usugach finansowych. Modele oceny dotycz historii kredytowej klienta, wniosków o poyczk, danych klientów i nie tylko. w celu sklasyfikowania osób ze wzgldu na prawdopodobiestwo terminowej spaty poyczki. Dobrze znanym przykadem jest FICO Score .

Definicja

Analityka predykcyjna, uwaana za rodzaj eksploracji danych , to dziedzina analizy statystycznej, która wyodrbnia informacje z danych w celu przewidywania przyszych trendów i wzorców zachowa. Podstaw analizy predykcyjnej jest uchwycenie relacji midzy zmiennymi objaniajcymi a wyjanionymi lub przewidywanymi zmiennymi z przeszych zdarze oraz wykorzystanie tych relacji do przewidywania przyszych wyników. Naley jednak zauway, e dokadno i uyteczno wyników zaley w duej mierze od poziomu analizy danych i jakoci zaoe. Analiza predykcyjna zajmuje si wycznie koniecznoci, a nie przypadkiem (szansa i konieczno_J Monod), przewidywaln przyszoci, któr J. Derrida nazywa przyszoci, w przeciwiestwie do przyszoci, której nie mona przewidzie, poniewa przyszo = konieczno + szansa.

Rodzaje

Modele predykcyjne

Te modele predykcyjne  (PL) analizowanie wyników w przeszoci oszacowa prawdopodobiestwo, e klient moe mie pokaza specyficzne zachowanie w przyszoci poprawi skuteczno marketingu . Ta klasa modeli obejmuje równie modele szukajce subtelnych wzorców danych, aby odpowiedzie na pytania dotyczce wydajnoci klientów, takie jak modele wykrywania oszustw. Modele predykcyjne czsto wykonuj obliczenia podczas transakcji online, na przykad w celu oceny ryzyka danego klienta lub danej transakcji, aby pomóc w podjciu decyzji. Wraz ze wzrostem szybkoci komputerów systemy modelowania agentów mog symulowa ludzkie zachowanie w odpowiedzi na bodce lub scenariusze. Terminem okrelajcym animacj danych konkretnie powizanych z osob w rodowisku symulacji jest analiza awatarów [ref. konieczne] .

Modele opisowe

Modele opisowe okrelaj ilociowo relacje midzy danymi w sposób czsto uywany do klasyfikowania klientów lub potencjalnych klientów w grupy. W przeciwiestwie do modeli predykcyjnych, które koncentruj si na przewidywaniu zachowania pojedynczego klienta (takiego jak ryzyko klienta), modele opisowe identyfikuj wiele relacji midzy klientami lub midzy produktami. Modele opisowe nie porzdkuj klientów wedug prawdopodobiestwa podjcia okrelonego dziaania, jak to robi modele predykcyjne. Mog suy np. Do kategoryzowania klientów wedug ich preferencji i etapu rozwoju. Narzdzia do modeli opisowych su do tworzenia innych modeli, które mog symulowa du liczb zindywidualizowanych agentów i dostarcza prognoz. [ref. niezbdny]

Modele decyzyjne

Na model decyzyjny opisania relacji pomidzy wszystkimi elementami decyzji - znany danych (cznie z wynikami modeli predykcyjnych), decyzja ta i oczekiwanych rezultatów decyzji - do przewidzenia skutki decyzji obejmujcych gr duej liczby zmiennych. Modele te mona wykorzysta do optymalizacji, maksymalizacji niektórych efektów i minimalizacji innych efektów. Modele decyzyjne s zwykle uywane do opracowywania logiki decyzyjnej lub zestawu regu biznesowych, które bd generowa podane dziaanie dla kadego klienta lub w kadych okolicznociach.

Aplikacje

Chocia analityka predykcyjna moe by uywana w wielu aplikacjach, poniej przedstawiono kilka przykadów, w których analiza predykcyjna wykazaa decydujcy wpyw w ostatnich latach.

Systemy wspomagania decyzji klinicznych

W eksperci uyciu analizy predykcyjnej w dziedzinie zdrowia przede wszystkim w celu okrelenia, którzy pacjenci s naraeni na rozwój chorób takich jak cukrzyca, astma, choroby serca i innych potencjalnie niebezpiecznych warunkach. Ponadto systemy wspomagania decyzji klinicznych obejmuj analiz predykcyjn w celu wspierania decyzji medycznych. Definicj zaproponowa dr Robert Hayward z Center for Evidence of Health: Systemy wspomagania decyzji klinicznych cz obserwacje z wiedz kliniczn, aby wpywa na wybory klinicystów w celu poprawy usug medycznych. [Ref. konieczne] .

Naprawa finansowa

Kady portfel zawiera w sobie zbiór ryzykownych klientów, którzy nie wywizuj si ze swoich zobowiza w terminie. Instytucja finansowa musi podj dziaania naprawcze w celu cignicia nalenych kwot. Dua cz rodków jest marnowana na klientów, których nalenoci s trudne lub wrcz niemoliwe do odzyskania. Analityka predykcyjna moe pomóc w optymalizacji kosztów windykacji poprzez identyfikacj najbardziej efektywnych agencji, strategii kontaktowych, dziaa prawnych i nie tylko dla kadego klienta, w celu zwikszenia wskanika cigalnoci przy jednoczesnym obnieniu kosztów [ref. konieczne] .

Subskrypcja

Wiele transakcji musi wzi pod uwag swoj ekspozycj na ryzyko w odniesieniu do oferowanych usug i musi okreli koszt niezbdny do pokrycia ryzyka. Na przykad dostawcy ubezpiecze komunikacyjnych musz oszacowa wysoko skadki ubezpieczeniowej, aby pokry ryzyko dla samochodu i kierowcy. Instytucja finansowa musi oceni potencja i zdolno spaty poyczkobiorcy przed wyraeniem zgody na poyczk. Dla ubezpieczyciela zdrowotnego analiza predykcyjna moe pomóc w analizie danych z przeszoci medycznej na przestrzeni kilku lat, a take wszelkich innych informacji z laboratoriów, aptek i innych dostpnych dokumentów, aby pozna koszty, jakie ubezpieczony poniesie w przyszoci. Predictive Analytics moe pomóc ubezpieczeniowych tych umów poprzez ocen prawdopodobiestwa choroby, domylnie , bankructwaitd. Analizy predykcyjne mog usprawni proces pozyskiwania klientów, oceniajc ich zachowania zwizane z ryzykiem na podstawie dostpnych danych. Analiza predykcyjna w swoim komponencie scoringowym skrócia czas potrzebny na zatwierdzenie wniosku o kredyt lub poyczk. Waciwa analityka predykcyjna moe prowadzi do odpowiednich decyzji cenowych, które mog pomóc zagodzi przysze ryzyko niewykonania zobowizania, spaty  itp.

Przewidywanie innowacji

Pierwszym krokiem jest wykonanie automatycznej ekstrakcji terminów z dziedziny technicznej w celu ilociowego zmierzenia, które terminy s uywane w historii danej dziedziny, a konkretnie z archiwum raportów technicznych lub artykuów naukowych. Nastpnie celem jest obliczenie, które terminy bd popularne w cigu najbliszych kilku lat. Badanie opublikowane w LREC w 2016 r. I zastosowane do dziedziny NLP w projekcie NLP4NLP wykazao, e udawanie, e przewiduje ponad cztery lata, jest iluzj.

Techniki statystyczne

Podejcia i techniki stosowane do przeprowadzania analiz predykcyjnych mona ogólnie podzieli na techniki regresji i uczenia maszynowego .

Modele regresji

Modele regresji s podstaw analityki predykcyjnej. Gównym punktem jest tworzenie równa matematycznych jako modelu reprezentujcego interakcje midzy rónymi rozwaanymi zmiennymi. W zalenoci od sytuacji istnieje wiele rónych modeli, które mona zastosowa. Kilka z nich pokazano poniej.

Model regresji liniowej

Linear Model regresji analizuje relacje midzy zmienn zalen lub odpowiedzi i zestawu zmiennych niezalenych lub predykcyjnych. Zaleno ta jest wyraona jako równanie, które przewiduje wartoci zmiennej odpowiedzi jako liniow kombinacj parametrów. Parametry te s dostosowywane w taki sposób, aby oszacowanie zostao zoptymalizowane. Wikszo wysików zwizanych z oszacowaniem modelu koncentruje si na wielkoci pozostaoci, a take na zapewnieniu, e jest on rozmieszczony losowo, przy jednoczesnym przestrzeganiu prognoz modelu.

Celem regresji jest dobranie parametrów modelu w taki sposób, aby zminimalizowa sum kwadratów reszt. Nawizujc do metody zwykych najmniejszych kwadratów (   zwykych najmniejszych kwadratów   (OLS)) i wyników parametrów najlepszych liniowych nieobcionych oszacowa (   NIEBIESKI   ) wtedy i tylko wtedy, gdy hipoteza Gaussa-Markowa jest speniona.

Po oszacowaniu modelu interesuje nas przynaleno zmiennych predykcyjnych do modelu - to znaczy, czy oszacowanie kadego wkadu zmiennych jest wiarygodne. W tym celu moemy sprawdzi istotno statystyczn wspóczynników modelu, które mona zmierzy za pomoc testów T. Sprowadza si to do sprawdzenia, czy wspóczynnik znaczco róni si od zera. Test R² pozwala stwierdzi, czy zmienna zalena jest poprawnie przewidziana przez model na podstawie wartoci zmiennych niezalenych. Test ten mierzy moc predykcyjn modelu, to znaczy odsetek cakowitej zmiennoci zmiennej zalenej wyjanionej przez zmienno zmiennych niezalenych.

Model automatycznej regresji

Dyskretny wybór modeli

Regresja wieloczynnikowa (powyej) jest zwykle stosowana, gdy odpowied / wyjaniona zmienna jest ciga i obejmuje nieskoczon dziedzin. Czsto wyjaniana zmienna nie jest ciga, ale dyskretna. Chocia w matematyce moliwe jest zastosowanie regresji wielowymiarowej do uporzdkowanych i dyskretnych zmiennych zalenych, niektóre postulaty teorii wielowymiarowej regresji liniowej ju nie obowizuj, a inne techniki, takie jak modele wyboru dyskretnego, s najlepsze do tego typu analizy. Jeli zmienna zalena jest dyskretna, bardziej wydajnymi metodami s regresja logistyczna , wielomianowa regresja logistyczna (wielomianowy logit) i modele probitowe . Pierwszy i ostatni z tych modeli jest uywany, gdy zmienna zalena jest binarna .

Regresja logistyczna

Przy ustalaniu klasyfikacji przypisywanie prawdopodobiestw wyników obserwacjom moe odbywa si za pomoc modelu logistycznego, który jest w zasadzie metod przeksztacania informacji o binarnej zmiennej zalenej w nieograniczon zmienn cig, oszacowan za pomoc zwykego modelu analizy wielowymiarowej.

Test Walda i test ilorazu wiarygodnoci su do oceny istotnoci statystycznej kadego wspóczynnika b w modelu (podobnie jak w testach zastosowanych powyej dla metody zwykych najmniejszych kwadratów ). Dokadno (precyzja) oszacowania modelu klasyfikacyjnego mona oceni poprzez walidacj krzyow .

Wielomianowa regresja logistyczna

Rozszerzenie modelu logistycznego dla przypadków, w których zmienn odpowiedzi na wicej ni dwie kategorie jest model wielomianowej regresji logistycznej . W tej konfiguracji wymuszanie dopasowania danych tylko do dwóch kategorii moe nie mie sensu lub moe równie prowadzi do utraty informacji i bogactwa danych. Wielomianowy model logistyczny jest odpowiedni technik w tym przypadku, zwaszcza gdy kategorie zmiennej odpowiedzi nie s uporzdkowane, takie jak kolory czerwony, niebieski, zielony. Niektórzy autorzy rozszerzyli wielomianow regresj logistyczn o metody selekcji / wanoci cech, takie jak losowa wielomianowa regresja logistyczna.

Regresja probitowa

Logit a probit

Przybory

Istnieje wiele narzdzi do analizy predykcyjnej. Oprócz tego, e umoliwiaj przeszukiwanie danych i manipulowanie nimi, kady z nich oferuje mniej lub bardziej obszerny wybór modeli predykcyjnych, które w razie potrzeby mona wdroy w celu uprzemysowienia. Komercyjne oprogramowanie SAS , SPSS (IBM), Neural Designer (Intelnics), STATISTICA (StatSoft), CORICO (Coryent), HyperCube lub Sidetrade s bardziej przeznaczone dla firm lub organizacji posiadajcych due iloci danych do zbadania. Wolne oprogramowanie OpenNN , R i Weka to dobra alternatywa dla wtajemniczonych.

Uwagi

  1. patrz na przykad strona internetowa CEDIP CEDIP,   Róne modele podejmowania decyzji   (dostp: 6 czerwca 2011 )

Bibliografia

(fr) Ten artyku jest czciowo lub w caoci zaczerpnity z artykuu Wikipedii w jzyku angielskim zatytuowanego   Predictive analytics   ( zobacz list autorów ) .
  1. (w) Predictive Analytics World,   What is Predictive Analytics   (dostp: 5 czerwca 2011 )
  2. (w) Predictive Analytics World,   Czy to jest konferencja powicona eksploracji danych  » (Dostp 5 czerwca 2011 )
  3. [PDF] (w) Charles Nyce,   Predictive Analytics White Paper   (dostp 3 czerwca 2011 r. )
  4. Predictive Modeling: Guessing the NLP terms of Tomorrow , Gil Francopoulo, Joseph Mariani, Patrick Paroubek, LREC 2016, [1]
  5.   Publikacje   na witrynie bearingpoint.com (dostp 19 padziernika 2020 r . ) .

Mamy nadzieję, że informacje, które zgromadziliśmy na temat Analizy predykcyjne, były dla Ciebie przydatne. Jeśli tak, nie zapomnij polecić nas swoim przyjaciołom i rodzinie oraz pamiętaj, że zawsze możesz się z nami skontaktować, jeśli będziesz nas potrzebować. Jeśli mimo naszych starań uznasz, że informacje podane na temat _title nie są całkowicie poprawne lub że powinniśmy coś dodać lub poprawić, będziemy wdzięczni za poinformowanie nas o tym. Dostarczanie najlepszych i najbardziej wyczerpujących informacji na temat Analizy predykcyjne i każdego innego tematu jest istotą tej strony internetowej; kierujemy się tym samym duchem, który inspirował twórców Encyclopedia Project, i z tego powodu mamy nadzieję, że to, co znalazłeś o Analizy predykcyjne na tej stronie pomogło Ci poszerzyć swoją wiedzę.

Opiniones de nuestros usuarios

Marianna Tokarski

Bardzo ciekawy ten post o Analizy predykcyjne.

Szymon Szymański

Świetny post o Analizy predykcyjne.

Oksana Rakowski

Zawsze dobrze jest się uczyć. Dziękuję za artykuł o zmiennej Analizy predykcyjne

Tamara Wilczyński

Wreszcie! W dzisiejszych czasach wydaje się, że jeśli nie piszą artykułów składających się z dziesięciu tysięcy słów, to nie są szczęśliwi. Panowie autorzy treści, to TAK to dobry artykuł o Analizy predykcyjne.