Γλωσσάριο

Προγνωστική μοντελοποίηση

Τι είναι Προγνωστική μοντελοποίηση;

Η προγνωστική μοντελοποίηση είναι ο τεχνικός πυρήνας της προγνωστικής ανάλυσης: με δεδομένα-παραδείγματα με γνωστά αποτελέσματα δημιουργείται ένα μοντέλο που προβλέπει μια τιμή ή μια κλάση για νέες περιπτώσεις. Συνήθεις μέθοδοι είναι η παλινδρόμηση, τα δέντρα αποφάσεων, τα τυχαία δάση και τα νευρωνικά δίκτυα. Ένα μοντέλο μπορεί, για παράδειγμα, να εκτιμήσει την τιμή ενός ακινήτου από την επιφάνεια, την τοποθεσία και το έτος κατασκευής. Πριν από την ανάπτυξη δοκιμάζεται σε δεδομένα που έχουν κρατηθεί στην άκρη, ώστε να εντοπιστεί η υπερπροσαρμογή.

Θέματα

μοντελοποίηση
πρόβλεψη
μηχανική μάθηση

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Προγνωστική ανάλυση

Η προγνωστική ανάλυση χρησιμοποιεί ιστορικά δεδομένα, στατιστική και μηχανική μάθηση για να εκτιμήσει πιθανά μελλοντικά γεγονότα. Απαντά σε ερωτήματα όπως: ποιοι πελάτες πρόκειται να ακυρώσουν; Πόσο απόθεμα θα χρειαστεί τον επόμενο μήνα; Πότε είναι πιθανό να χαλάσει ένα μηχάνημα; Τα αποτελέσματα είναι πιθανότητες, όχι βεβαιότητες. Η αξία τους εξαρτάται σε μεγάλο βαθμό από την ποιότητα των δεδομένων και από το αν οι προβλέψεις τροφοδοτούν πραγματικά αποφάσεις και διαδικασίες.

ανάλυση δεδομένων
προβλέψεις
+1

Γραμμική παλινδρόμηση

Η γραμμική παλινδρόμηση είναι μια στατιστική μέθοδος που περιγράφει τη σχέση μεταξύ μιας εξαρτημένης μεταβλητής και μίας ή περισσότερων ανεξάρτητων μεταβλητών με μια ευθεία ή ένα επίπεδο. Οι συντελεστές επιλέγονται συνήθως ώστε να ελαχιστοποιείται το άθροισμα των τετραγώνων των αποκλίσεων. Η μέθοδος είναι εύκολη στην κατανόηση και στην ερμηνεία: για παράδειγμα, μπορεί να εκτιμήσει πόσο αυξάνονται τα έσοδα όταν ο διαφημιστικός προϋπολογισμός αυξάνεται κατά 1.000 €. Φτάνει στα όριά της με μη γραμμικές σχέσεις.

Στατιστική
πρόβλεψη
+1

Παλινδρόμηση τυχαίου δάσους

Η παλινδρόμηση τυχαίου δάσους (random forest regression) προβλέπει αριθμητικές τιμές συνδυάζοντας πολλά δέντρα αποφάσεων. Κάθε δέντρο εκπαιδεύεται σε ένα τυχαίο δείγμα των δεδομένων και σε μια τυχαία επιλογή χαρακτηριστικών· το αποτέλεσμα είναι ο μέσος όρος των προβλέψεων όλων των δέντρων. Έτσι η μέθοδος είναι πιο ανθεκτική και λιγότερο επιρρεπής σε υπερπροσαρμογή από ένα μεμονωμένο δέντρο. Χρησιμοποιείται, για παράδειγμα, για προβλέψεις πωλήσεων, εκτιμήσεις τιμών ή ενεργειακή ζήτηση – συχνά ως στέρεο σημείο εκκίνησης για πινακοειδή δεδομένα.

παλινδρόμηση
μέθοδος συνόλου
+1

Διασταυρούμενη επικύρωση (cross-validation)

Η διασταυρούμενη επικύρωση (cross-validation) είναι μια μέθοδος για τον έλεγχο του πόσο καλά γενικεύει ένα μοντέλο σε νέα, άγνωστα δεδομένα. Στη διασταυρούμενη επικύρωση k διπλώσεων, τα δεδομένα χωρίζονται σε k μέρη· το μοντέλο εκπαιδεύεται k φορές σε k−1 μέρη και δοκιμάζεται κάθε φορά στο υπόλοιπο μέρος, και στη συνέχεια υπολογίζεται ο μέσος όρος των αποτελεσμάτων. Αυτό βοηθά να εντοπίζεται η υπερπροσαρμογή και να συγκρίνονται δίκαια μοντέλα ή ρυθμίσεις, ιδίως όταν υπάρχουν λίγα δεδομένα.

Αξιολόγηση μοντέλων
επικύρωση
+1