Rumah Kewangan Peribadi Bagaimana Menyediakan Data untuk Model Analisis Ramalan - dummies

Bagaimana Menyediakan Data untuk Model Analisis Ramalan - dummies

Isi kandungan:

Video: Top 25 Excel 2016 Tips and Tricks 2025

Video: Top 25 Excel 2016 Tips and Tricks 2025
Anonim

Apabila anda telah menentukan objektif model untuk analisis ramalan, langkah seterusnya adalah untuk mengenal pasti dan menyediakan data yang akan anda gunakan untuk membina model anda. Urutan langkah-langkah umum kelihatan seperti ini:

  1. Kenal pasti sumber data anda.

    Data mungkin dalam format yang berbeza atau berada di pelbagai lokasi.

  2. Kenal pasti bagaimana anda akan mengakses data tersebut.

    Kadangkala, anda perlu memperoleh data pihak ketiga, atau data yang dimiliki oleh pembahagian yang berbeza dalam organisasi anda, dan lain-lain.

  3. Pertimbangkan pembolehubah mana yang perlu disertakan dalam analisis anda.

    Satu pendekatan standard adalah bermula dengan pelbagai pembolehubah dan menghapuskan yang tidak menawarkan nilai ramalan bagi model.

  4. Tentukan sama ada menggunakan pembolehubah yang diperoleh.

    Dalam banyak kes, pembolehubah yang diperoleh (seperti nisbah harga per penghasilan yang digunakan untuk menganalisis harga saham) akan mempunyai kesan langsung yang lebih besar terhadap model daripada pemboleh ubah mentah.

  5. Terokai kualiti data anda, berusaha memahami keadaan dan batasannya.

    Ketepatan ramalan model secara langsung berkaitan dengan pembolehubah yang anda pilih dan kualiti data anda. Anda ingin menjawab beberapa soalan spesifik data pada ketika ini:

    • Adakah data selesai?

    • Adakah ia mempunyai kelebihan?

    • Adakah data perlu dibersihkan?

    • Adakah anda perlu mengisi nilai yang hilang, simpannya seperti itu, atau hapuskan semuanya?

Memahami data anda dan sifatnya boleh membantu anda memilih algoritma yang paling berguna dalam membina model anda. Sebagai contoh:

  • Algoritma regresi boleh digunakan untuk menganalisis data siri masa.

  • Pengelasan algoritma boleh digunakan untuk menganalisis data diskret.

  • Algoritma persatuan boleh digunakan untuk data dengan atribut yang berkorelasi.

Dataset yang digunakan untuk melatih dan menguji model mesti mengandungi maklumat perniagaan yang relevan untuk menjawab masalah yang anda cuba selesaikan. Sekiranya matlamat anda adalah (contohnya) untuk menentukan pelanggan mana yang mungkin akan berpura-pura, maka dataset yang anda pilih mesti mengandungi maklumat mengenai pelanggan yang telah berprofesi pada masa lalu sebagai tambahan kepada pelanggan yang tidak mempunyai.

Sesetengah model yang dicipta untuk data saya dan memahami hubungan yang mendasari - contohnya, yang dibina dengan algoritma kluster - tidak perlu mempunyai keputusan akhir tertentu dalam fikiran.

Dua masalah timbul apabila berurusan dengan data semasa anda membina model anda: tidak sesuai dan lebih baik.

Tidak sesuai

Tidak sesuai adalah apabila model anda tidak dapat mengesan sebarang hubungan dalam data anda.Ini biasanya merupakan petunjuk bahawa pembolehubah penting - mereka yang mempunyai kuasa ramalan - tidak termasuk dalam analisis anda. Sebagai contoh, analisis saham yang merangkumi hanya data dari pasaran lembu (di mana harga saham keseluruhan naik) tidak menyumbang krisis atau gelembung yang boleh membawa pembetulan besar kepada keseluruhan prestasi saham.

Gagal memasukkan data yang merangkumi kedua-dua lembu dan pasaran beruang (apabila harga saham keseluruhan jatuh) membuat model itu daripada menghasilkan pemilihan portfolio terbaik.

Overfitting

Overfitting ialah apabila model anda termasuk data yang tidak mempunyai kuasa ramalan tetapi hanya khusus untuk dataset yang anda analisa. Noise - variasi rawak dalam dataset - boleh mencari jalan masuk ke dalam model, supaya menjalankan model pada dataset yang berbeza menghasilkan kejatuhan utama dalam prestasi dan ketepatan ramalan model. Sidebar yang disertakan memberikan contoh.

Jika model anda berfungsi dengan baik pada dataset tertentu dan hanya kurang baik apabila anda mengujinya pada dataset yang lain, mengesyaki yang terlalu banyak.

Bagaimana Menyediakan Data untuk Model Analisis Ramalan - dummies

Pilihan Editor

Bagaimana Menghubungkan Item Menu ke Kategori di Joomla - dummies

Bagaimana Menghubungkan Item Menu ke Kategori di Joomla - dummies

Untuk artikel yang dikategorikan dalam Joomla untuk dilihat oleh pengguna laman web anda, anda perlu memautkan item menu Joomla anda ke kategori Joomla yang mengandungi artikel yang ingin anda siarkan. Dengan menyambungkan kategori ke item menu, semua artikel dalam kategori boleh didapati melalui item menu yang berkaitan. Untuk membuat ...

Cara Memasang Joomla CMS pada Server Jauh - dummies

Cara Memasang Joomla CMS pada Server Jauh - dummies

Sebaik sahaja anda telah memuatkan fail Joomla yang tidak diturunkan di pelayan jauh dan sediakan MySQL untuk Joomla, anda sudah bersedia untuk memasang Sistem Pengurusan Kandungan Joomla (CMS). Navigasi ke tapak anda di pelayan tuan rumah. Anda melihat halaman pemasangan Joomla pertama. Pilih bahasa. Klik Seterusnya. Semua item dalam pane bahagian atas ...

Cara Membiarkan Pengguna Menguruskan Akaun Sendiri di Joomla - dummies

Cara Membiarkan Pengguna Menguruskan Akaun Sendiri di Joomla - dummies

Walaupun anda boleh mengurus pengguna dari hujung belakang, Joomla menyediakan kemudahan yang baik yang membolehkan pengguna menguruskan diri mereka juga. Anda boleh membuat halaman di mana pengguna boleh mendaftar, log masuk, menetapkan semula kata laluan mereka, diingatkan kata laluan mereka, dan sebagainya. Buat laman pengurusan pengguna Untuk membuat halaman yang membolehkan pengguna mengurus sendiri, anda ...

Pilihan Editor

Pengguna dan Definisi SharePoint berbeza - dummies

Pengguna dan Definisi SharePoint berbeza - dummies

SharePoint mempunyai banyak jenis pengguna yang berbeza, dan bergantung di mana peranan anda sesuai , anda mungkin mempunyai pengalaman yang sangat berbeza dari pengguna SharePoint yang lain. Sebagai contoh, anda mungkin ditugaskan untuk membuat dan mentadbir laman web SharePoint untuk pasukan anda. Dalam kes ini, anda mungkin melihat ke hadapan fungsi yang luas SharePoint ...

Dan Microblog dalam SharePoint - dummies

Dan Microblog dalam SharePoint - dummies

Microblogging dibuat terkenal oleh Twitter. SharePoint 2013 membawa mikroblogging ke dunia korporat. Menggunakan Twitter, anda menghantar mesej ringkas kepada dunia. Anda boleh mengikuti orang lain dan menarik pengikut anda sendiri. Anda menyebut orang lain menggunakan simbol @ yang diikuti dengan nama mereka dan boleh menanda topik menggunakan # ...

Mengeksport Table Akses ke Senarai Dalam Talian SharePoint - dummies

Mengeksport Table Akses ke Senarai Dalam Talian SharePoint - dummies

Jika anda mempunyai meja dalam Akses yang ada pangkalan data yang anda ingin sediakan untuk ahli pasukan anda yang tidak mempunyai aplikasi MS Access 2010, cara terbaik untuk melakukan ini adalah untuk mengeksport jadual tersebut ke dalam senarai SharePoint. Ikuti langkah-langkah berikut: Dari pangkalan data anda, klik kanan pada jadual di ...

Pilihan Editor

Penyediaan aSVAB: Akar - patung

Penyediaan aSVAB: Akar - patung

Menjadi akrab dengan akar untuk ASVAB. Akar adalah kebalikan dari kuasa atau eksponen. Terdapat pelbagai jenis akar tak terhingga. Anda mempunyai akar kuadrat, yang bermaksud "membuang" asas kepada kuasa kedua; akar kubus, yang bermaksud "membuang" asas yang dinaikkan kepada kuasa ketiga; akar yang keempat, untuk ...

ASVAB Penyediaan: Bekerja dengan Perpuluhan - patung

ASVAB Penyediaan: Bekerja dengan Perpuluhan - patung

Anda perlu tahu bagaimana untuk bekerja dengan perpuluhan untuk ASBAB . Perpuluhan adalah kaedah menulis nombor pecahan tanpa menggunakan pengangka dan penyebut. Anda boleh menulis pecahan 7/10 sebagai perpuluhan 0. 7; anda menyebutnya "tujuh persepuluh" atau "titik nol tujuh. "Tempoh atau titik perpuluhan menunjukkan bahawa nombor itu ...

ASVAB Subtest Details - dummies

ASVAB Subtest Details - dummies

Tergantung di mana dan untuk tujuan apa yang anda ambil ujian, anda mungkin menghadapi beberapa versi ASVAB. Versi terkomputer dari ASVAB (CAT-ASVAB) mengandungi sembilan subtest masa yang berasingan. Pada CAT-ASVAB, Maklumat Auto dan Maklumat Kedai dipisahkan kepada dua ujian berbeza, sedangkan mereka digabungkan pada versi kertas. Lihatlah ...