Ennustemallinnus on ennakoivan analytiikan tekninen ydin: esimerkkidatasta, jonka lopputulokset tunnetaan, rakennetaan malli, joka ennustaa uusille tapauksille arvon tai luokan. Yleisiä menetelmiä ovat regressio, päätöspuut, satunnaismetsät ja neuroverkot. Malli voi esimerkiksi arvioida kiinteistön hinnan pinta-alan, sijainnin ja rakennusvuoden perusteella. Ennen käyttöönottoa se testataan pidätetyllä datalla ylisovittumisen havaitsemiseksi.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoEnnakoiva analytiikka käyttää historiadataa, tilastotiedettä ja koneoppimista todennäköisten tulevien tapahtumien arvioimiseen. Se vastaa kysymyksiin, kuten: mitkä asiakkaat ovat irtisanomassa sopimuksensa? Paljonko varastoa tarvitaan ensi kuussa? Milloin kone todennäköisesti rikkoutuu? Tulokset ovat todennäköisyyksiä, eivät varmuuksia. Niiden arvo riippuu paljon datan laadusta ja siitä, vaikuttavatko ennusteet todella päätöksiin ja prosesseihin.
Lineaarinen regressio on tilastollinen menetelmä, joka kuvaa kohdemuuttujan ja yhden tai useamman selittäjän välistä suhdetta suoralla tai tasolla. Kertoimet valitaan yleensä siten, että neliöityjen poikkeamien summa minimoituu. Menetelmä on helppo ymmärtää ja tulkita: sillä voi esimerkiksi arvioida, kuinka paljon liikevaihto kasvaa, kun mainosbudjetti kasvaa 1 000 eurolla. Se tulee rajoihinsa epälineaaristen suhteiden kanssa.
Satunnaismetsäregressio ennustaa numeerisia arvoja yhdistämällä useita päätöspuita. Kukin puu opetetaan datan satunnaisotoksella ja satunnaisesti valituilla piirteillä; tulos on kaikkien puiden ennusteiden keskiarvo. Tämä tekee menetelmästä kestävämmän ja vähemmän ylisovittumisalttiin kuin yksittäinen puu. Sitä käytetään esimerkiksi myyntiennusteisiin, hinta-arvioihin tai energiantarpeen arviointiin – usein vankkana lähtökohtana taulukkomuotoiselle datalle.
Ristiinvalidointi on menetelmä, jolla tarkistetaan, kuinka hyvin malli yleistyy uuteen, näkemättömään dataan. K-kertaisessa ristiinvalidoinnissa data jaetaan k osaan; malli koulutetaan k kertaa k−1 osalla ja testataan kullakin kerralla jäljellä olevalla osalla, minkä jälkeen tulokset keskiarvoistetaan. Tämä auttaa havaitsemaan ylisovittamisen ja vertailemaan malleja tai asetuksia reilusti, erityisesti kun dataa on vähän.
