Video: Age of Deceit (2) - Hive Mind Reptile Eyes Hypnotism Cults World Stage - Multi - Language 2024
Walaupun segala sesuatu yang anda telah diberitahu tentang andaian yang menimbulkan masalah, beberapa andaian tetap menjadi inti dari model analisis ramalan. Anggapan tersebut muncul dalam pembolehubah yang dipilih dan dipertimbangkan dalam analisis - dan pembolehubah tersebut secara langsung mempengaruhi ketepatan output model akhir.
Oleh itu, langkah berjaga-jaga yang paling bijak anda pada awalnya adalah untuk mengenal pasti andaian mana yang paling penting bagi model anda - dan pastikan ia menjadi minimum mutlak.
Mencipta model ramalan yang berfungsi dengan baik di dunia nyata memerlukan pengetahuan mendalam tentang perniagaan. Model anda bermula dengan mengetahui hanya data sampel - secara praktikal, hampir tidak ada apa-apa. Oleh itu, mulakan kecil dan teruskan meningkatkan model seperti yang diperlukan.
Mengajukan pertanyaan dan senario yang mungkin dapat membawa kepada penemuan utama dan / atau dapat memberikan lebih banyak cahaya kepada faktor yang bermain di dunia nyata. Proses ini dapat mengenal pasti pembolehubah teras yang boleh menjejaskan hasil analisis.
Dalam pendekatan sistematik untuk analisis ramalan, fasa ini - meneroka senario "apa-jika" - amat menarik dan bermanfaat. Di sinilah anda menukar input model untuk mengukur kesan satu pembolehubah atau yang lain pada output model; apa yang anda benar-benar menguji adalah keupayaan peramalannya.
Meningkatkan andaian model - dengan menguji bagaimana ia menjejaskan output model, menguji untuk melihat bagaimana model sensitif terhadap mereka, dan menyusunnya ke tahap minimum - akan membantu anda membimbing model ke arah keupayaan ramalan yang lebih dipercayai. Sebelum anda dapat mengoptimumkan model anda, anda perlu mengetahui pemboleh ubah ramalan - ciri yang mempunyai kesan langsung pada outputnya.
Anda boleh mendapatkan pemboleh ubah keputusan tersebut dengan menjalankan beberapa simulasi model anda - sambil menukar beberapa parameter dengan setiap run - dan merekodkan hasil, terutama ketepatan ramalan model. Biasanya anda boleh mengesan variasi ketepatan kembali kepada parameter tertentu yang anda ubah.
Pada masa ini, abad ke dua puluh satu boleh beralih kepada keempat belas untuk bantuan. William of Ockham, seorang ahli falsafah Perancis dan ahli falsafah Inggeris yang hidup pada tahun 1300-an, membangunkan prinsip penyelidikan yang dikenali sebagai Razor Occam: Anda harus memotong anggapan yang tidak perlu sehingga teori anda mempunyai sedikit sebanyak mungkin. Kemudian ia paling sesuai untuk menjadi kenyataan.
Terlalu banyak andaian yang meramalkan ramalan model anda dengan ketidakpastian dan ketidaktepatan.Menghapuskan pembolehubah yang tidak perlu membawa kepada model yang lebih mantap, tetapi tidak mudah untuk menentukan pemboleh ubah yang termasuk dalam analisis - dan keputusan tersebut secara langsung mempengaruhi prestasi model.
Tapi di sinilah penganalisis boleh menghadapi dilema: Termasuk faktor yang tidak perlu boleh merosakkan atau memesongkan output model, tetapi tidak termasuk pembolehubah yang relevan meninggalkan model tidak lengkap.
Maka apabila tiba masanya untuk memilih pemboleh ubah keputusan yang penting, hubungi pakar pengetahuan domain anda. Apabila anda mempunyai set pemboleh ubah keputusan berasaskan realiti yang tepat, anda tidak perlu membuat terlalu banyak andaian - dan hasilnya mungkin kurang kesilapan dalam model ramalan anda.
