Hvordan visualisere modellens analytiske resultater: skjulte grupperinger, dataklassifikasjoner og utjevningsmidler - dummies

Visualisering av resultatene av din prediktive analyse hjelper virkelig interessentene å forstå de neste trinnene. Her er noen måter å bruke visualiseringsteknikker til å rapportere resultatene av modellene dine til interessentene.

Slik visualiserer du skjulte grupperinger i dataene dine

Dataklynging er prosessen med å oppdage skjulte grupper av relaterte elementer i dataene dine. I de fleste tilfeller består en klynge (gruppering) av dataobjekter av samme type som brukere av sosiale nettverk, tekstdokumenter eller e-post.

En måte å visualisere resultatene av en dataklyngingsmodell på er en graf som representerer sosiale grupper (klynger) som ble oppdaget i data samlet fra brukere av sosiale nettverk. Dataene om kunder ble samlet inn i et tabulært format; da ble det brukt en clusteringalgoritme på dataene, og de tre gruppene (grupper) ble oppdaget: lojale kunder, vandrende kunder og rabattkunder.

Her viser det visuelle forholdet mellom de tre gruppene allerede hvor forbedret markedsføringsarbeid kan gjøre det beste.

Slik visualiserer du dataklassifikasjonsresultater

En klassifikasjonsmodell tilordner en bestemt klasse til hvert nytt datapunkt det undersøker. De spesifikke klassene, i dette tilfellet, kan være de gruppene som kommer fra clusteringsarbeidet ditt. Utgangen som er markert i grafen, kan definere målsettene dine. For en gitt ny kunde forsøker en prediktiv klassifikasjonsmodell å forutsi hvilken gruppe den nye kunden vil tilhøre.

Når du har brukt en klyngalgoritme og oppdaget grupperinger i kundedataene, kommer du til et øyeblikk av sannhet: Her kommer en ny kunde - du vil at modellen skal forutsi hvilken type kunde han eller hun vil være.

Her er et eksempel på hvordan en ny kundes informasjon blir matet til din prediktive analysemodell, som igjen forutsier hvilken gruppe kunder denne nye kunden tilhører. Nye kunder A, B og C skal tildeles klasser etter klassifikasjonsmodellen.

Bruk av klassifikasjonsmodellen resulterte i en prediksjon om at kunde A ville tilhøre de lojale kundene, kunde kunde b være en vandrer, og kunde c viste bare opp rabatten.

Slik visualiserer du avvikere i dataene dine

I løpet av klustring eller klassifisering av nye kunder, vil du hver og da komme inn i utestengere - spesielle tilfeller som ikke passer de eksisterende divisjonene.

I dette eksemplet passer noen utelukkere ikke godt inn i de forhåndsdefinerte klyngene. Seks outlier kunder har blitt oppdaget og visualisert. De oppfører seg forskjellig nok til at modellen ikke kan fortelle om de tilhører noen av definerte kategorier av kunder. (Er det en slik ting som en lojal vandrende kunde som bare er interessert i rabatten? Og hvis det er, bør din omsorg?)