Речник

Предиктивно моделиране

Какво е Предиктивно моделиране?

Предиктивното моделиране е техническото ядро на предиктивната аналитика: примерни данни с известни резултати се използват за построяване на модел, който предвижда стойност или клас за нови случаи. Често използвани методи са регресията, дърветата на решенията, случайните гори и невронните мрежи. Моделът може например да оцени цената на имот въз основа на жилищната площ, местоположението и годината на построяване. Преди внедряване той се тества върху задържани данни, за да се открие свръхнагласяне.

Теми

моделиране
предвиждане
машинно обучение

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Предиктивна аналитика

Предиктивната аналитика използва исторически данни, статистика и машинно обучение, за да оцени вероятни бъдещи събития. Тя отговаря на въпроси като: кои клиенти са на път да се откажат? Колко запаси ще са необходими следващия месец? Кога вероятно ще се повреди една машина? Резултатите са вероятности, а не сигурност. Стойността им зависи силно от качеството на данните и от това дали прогнозите наистина влияят върху решенията и процесите.

анализ на данни
прогнозиране
+1

Линейна регресия

Линейната регресия е статистически метод, който описва връзката между целева променлива и един или повече предиктори чрез права или равнина. Коефициентите обикновено се избират така, че да минимизират сумата от квадратите на отклоненията. Методът е лесен за разбиране и тълкуване: например може да оцени с колко нарастват приходите, когато рекламният бюджет се увеличи с 1000 евро. Достига границите си при нелинейни зависимости.

Статистика
Прогнозиране
+1

Регресия със случайна гора

Регресията със случайна гора предвижда числови стойности чрез комбиниране на много дървета на решенията. Всяко дърво се обучава върху случайна извадка от данните и случаен избор на признаци; резултатът е средната стойност от прогнозите на всички дървета. Това прави метода по-устойчив и по-малко склонен към свръхнагласяне от отделното дърво. Използва се например за прогнози за продажбите, оценки на цени или потребление на енергия – често като солидна отправна точка за таблични данни.

регресия
ансамблов метод
+1

Кръстосана валидация (cross-validation)

Кръстосаната валидация (cross-validation) е метод за проверка доколко добре един модел обобщава върху нови, непознати данни. При k-кратната кръстосана валидация данните се разделят на k части; моделът се обучава k пъти върху k−1 части и всеки път се тества върху останалата част, след което резултатите се усредняват. Това помага да се открие преобучение и да се сравняват честно модели или настройки, особено когато има малко данни.

Оценка на модели
Валидиране
+1