Wie Sie Ihr Modell der Analyseergebnisse zu visualisieren: Hidden Groupings, Daten Klassifikationen und Ausreißer

Visualisierung der Ergebnisse Ihrer prädiktive Analyse hilft wirklich, die Akteure, die nächsten Schritte zu verstehen. Hier sind einige Möglichkeiten Visualisierungstechniken verwenden, um die Ergebnisse Ihrer Modelle für die Beteiligten zu berichten.

Wie man versteckte Gruppierungen in Ihren Daten visualisieren

Daten-Clustering ist der Prozess der versteckte Gruppen verwandter Elemente innerhalb Ihrer Daten zu entdecken. In den meisten Fällen eine Gruppe (Gruppierung) besteht aus Datenobjekte des gleichen Typs wie Nutzer sozialer Netzwerke, Textdokumente oder E-Mails.

Eine Möglichkeit, die Ergebnisse einer Daten Clustering-Modell zu visualisieren ist eine grafische Darstellung, die Social Communities (Cluster) darstellt, die in Daten entdeckt wurden von sozialen Netzwerk-Benutzer gesammelt. Die Daten über die Kunden wurde in einer tabellarischen gesammelt Format- dann ein Cluster-Algorithmus auf die Daten angewendet wurde, und die drei Cluster (Gruppen) wurden entdeckt: treue Kunden, wandernde Kunden und Rabatt Kunden.

Hier ist die visuelle Beziehung zwischen den drei Gruppen schlägt vor, bereits in dem Marketing-Bemühungen verstärkt vielleicht am meisten Gutes tun.

Wie erfolgt die Datenklassifizierung Ergebnisse visualisieren

Ein Klassifikationsmodell weist eine bestimmte Klasse zu jedem neuen Datenpunkt prüft sie. Die spezifischen Klassen, in diesem Fall könnten die Gruppen sein, die von Ihrer Clustering Arbeit führen. Der Ausgang in der Grafik hervorgehoben können Ihre Zielsätze definieren. Für jeden gegebenen neuen Kunden, eine prädiktive versucht Klassifikationsmodell vorhersagen, welche Gruppe die neuen Kunden gehören werden.

Nachdem Sie einen Cluster-Algorithmus und entdeckt Gruppierungen in den Kundendaten angewendet haben, kommen Sie zu einem Moment der Wahrheit: Hier kommt ein neuer Kunde - Sie das Modell, welche Art von Kunden vorhersagen wollen er oder sie sein wird.

Hier ist ein Beispiel dafür, wie ein neuer Kundeninformationen zu Ihrem Predictive Analytics-Modell eingespeist wird, was wiederum voraussagt, welche Gruppe von Kunden diese neuen Kunden gehört. Neue Kunden A, B und C sind über das Klassifizierungsmodell zu Clustern zugeordnet werden entsprechend.

das Klassifikationsmodell in einer Vorhersage ergab Anwendung, dass der Kunde A mit den treuen Kunden gehören würde, würde Kunde B ein Wanderer, und der Kunde C wurde nur für den Rabatt zeigt sich.

Wie zu visualisieren Ausreißer in den Daten

Im Zuge der Bündelung oder neue Kunden zu klassifizieren, hin und wieder laufen Sie in Ausreißer - Sonderfälle, die die bestehenden Divisionen nicht passen.

In diesem Beispiel passen ein paar Ausreißer nicht gut in den vordefinierten Clustern. Sechs Ausreißer Kunden haben erkannt und visualisiert. Sie verhalten sich unterschiedlich genug, dass das Modell kann nicht sagen, ob sie zu einem definierten Kategorien von Kunden gehören. (Gibt es so etwas wie, sagen wir, ein treuer Wander Kunde, der in den Rabatt nur daran interessiert ist? Und wenn ja, sollte Ihr Unternehmen kümmern?)