Prediktivní modelování je technické jádro prediktivní analytiky: z ukázkových dat se známými výsledky se vytvoří model, který pro nové případy předpovídá hodnotu nebo třídu. Běžné metody zahrnují regresi, rozhodovací stromy, náhodné lesy a neuronové sítě. Model může například odhadnout cenu nemovitosti podle užitné plochy, lokality a roku výstavby. Před nasazením se testuje na zadržených datech, aby se odhalilo přeučení.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoPrediktivní analytika využívá historická data, statistiku a strojové učení k odhadu pravděpodobných budoucích událostí. Odpovídá na otázky, jako: Kteří zákazníci chtějí odejít? Kolik zásob bude potřeba příští měsíc? Kdy se pravděpodobně porouchá stroj? Výsledkem jsou pravděpodobnosti, nikoli jistoty. Jejich hodnota výrazně závisí na kvalitě dat a na tom, zda se předpovědi skutečně promítnou do rozhodnutí a procesů.
Lineární regrese je statistická metoda, která popisuje vztah mezi cílovou proměnnou a jedním či více prediktory pomocí přímky nebo roviny. Koeficienty se obvykle volí tak, aby se minimalizoval součet čtverců odchylek. Metoda je snadno pochopitelná a interpretovatelná: lze s ní například odhadnout, o kolik vzroste obrat, když se reklamní rozpočet zvýší o 1 000 €. U nelineárních vztahů narazí na své hranice.
Regrese náhodným lesem předpovídá číselné hodnoty kombinací mnoha rozhodovacích stromů. Každý strom se trénuje na náhodném vzorku dat a náhodném výběru příznaků; výsledkem je průměr předpovědí všech stromů. Metoda je díky tomu robustnější a méně náchylná k přeučení než jediný strom. Používá se například pro předpovědi prodeje, odhady cen nebo poptávky po energii – často jako solidní výchozí bod pro tabulková data.
Křížová validace je metoda ověření, jak dobře model generalizuje na nová, neviděná data. Při k-násobné křížové validaci se data rozdělí na k částí; model se k-krát trénuje na k−1 částech a pokaždé se testuje na zbývající části, poté se výsledky zprůměrují. Pomáhá to odhalit přeučení a spravedlivě porovnávat modely či nastavení, zejména když je k dispozici málo dat.
