Accueil Finances personnelles Extraction de données pour Big Data - les nuls

Extraction de données pour Big Data - les nuls

Vidéo: How To Cloud - Big Data, Ep 4.2 : Outils Datawiz - FR 2025

Vidéo: How To Cloud - Big Data, Ep 4.2 : Outils Datawiz - FR 2025
Anonim

L'extraction de données implique l'exploration et l'analyse de grandes quantités de données pour trouver des modèles pour les mégadonnées. Les techniques sont issues des domaines de la statistique et de l'intelligence artificielle (IA), avec un peu de gestion de base de données dans le mix.

Généralement, l'objectif de l'exploration de données est la classification ou la prédiction. En classification, l'idée est de trier les données en groupes. Par exemple, un agent de commercialisation pourrait être intéressé par les caractéristiques de ceux qui ont répondu par rapport à ceux qui n'ont pas répondu à une promotion.

Ce sont deux classes. En prédiction, l'idée est de prédire la valeur d'une variable continue. Par exemple, un agent de commercialisation pourrait être intéressé à prédire ceux qui répondront à une promotion.

Les algorithmes typiques utilisés dans l'exploration de données sont les suivants:

  • Arbres de classification: Technique d'exploration de données populaire utilisée pour classer une variable catégorielle dépendante basée sur des mesures d'une ou de plusieurs variables prédictives. Le résultat est un arbre avec des nœuds et des liens entre les nœuds qui peuvent être lus pour former des règles if-then.

  • Régression logistique: Une technique statistique qui est une variante de la régression standard mais qui étend le concept à la classification. Il produit une formule qui prédit la probabilité de l'occurrence en fonction des variables indépendantes.

  • Réseaux de neurones: Algorithme logiciel modélisé d'après l'architecture parallèle des cerveaux animaux. Le réseau se compose de noeuds d'entrée, de couches masquées et de noeuds de sortie. Chaque unité reçoit un poids. Les données sont données au noeud d'entrée, et par un système d'essais et d'erreurs, l'algorithme ajuste les poids jusqu'à ce qu'il rencontre un certain critère d'arrêt. Certaines personnes ont comparé cela à une approche de boîte noire.

  • Techniques de clustering comme les voisins K-plus proches: Technique qui identifie des groupes d'enregistrements similaires. La technique K-plus proche voisin calcule les distances entre l'enregistrement et les points dans les données historiques (formation). Il affecte ensuite cet enregistrement à la classe de son voisin le plus proche dans un ensemble de données.

Voici un exemple d'arbre de classification. Considérons la situation où une compagnie de téléphone veut déterminer quels clients résidentiels sont susceptibles de déconnecter leur service.

La compagnie de téléphone a des informations qui comprennent les attributs suivants: combien de temps la personne a eu le service, combien il dépense pour le service, si le service a été problématique, s'il a le meilleur plan d'appel dont il a besoin, vit, quel âge il a, s'il a d'autres services groupés, de l'information concurrentielle sur les plans des autres transporteurs et s'il a toujours le service.

Bien sûr, vous pouvez trouver beaucoup plus d'attributs que celui-ci. Le dernier attribut est la variable de résultat; c'est ce que le logiciel utilisera pour classer les clients dans l'un des deux groupes - peut-être appelés stayers et risques de vol.

Le jeu de données est divisé en données d'apprentissage et en jeu de données de test. Les données d'apprentissage sont constituées d'observations (appelées attributs) et d'une variable de résultat (binaire dans le cas d'un modèle de classification) - dans ce cas, les stayers ou les risques de vol.

L'algorithme est exécuté sur les données d'apprentissage et génère un arbre qui peut être lu comme une série de règles. Par exemple, si les clients sont dans l'entreprise depuis plus de dix ans et ont plus de 55 ans, ils resteront probablement des clients fidèles.

Ces règles sont ensuite exécutées sur l'ensemble de données de test pour déterminer la qualité de ce modèle sur les «nouvelles données». "Des mesures de précision sont fournies pour le modèle. Par exemple, une technique populaire est la matrice de confusion. Cette matrice est un tableau qui fournit des informations sur le nombre de cas classés correctement ou incorrectement.

Si le modèle a l'air bien, il peut être déployé sur d'autres données, car il est disponible (c'est-à-dire, l'utiliser pour prédire de nouveaux cas de risque de vol). Sur la base de ce modèle, l'entreprise pourrait décider, par exemple, d'envoyer des offres spéciales aux clients qu'elle estime être des risques de vol.

Extraction de données pour Big Data - les nuls

Le choix des éditeurs

Conventions de dénomination pour Ruby on Rails - mannequins

Conventions de dénomination pour Ruby on Rails - mannequins

Vous utilisez Ruby on Rails pour créer un site Web application ou application de base de données Web, ce qui est très intelligent de votre part. En fonction de ce que vous utilisez (une application, une relation un-à-plusieurs ou une relation plusieurs-à-plusieurs), vous utilisez différentes variantes des protocoles d'attribution de noms Rails, qui sont expliquées dans les sections suivantes. Ruby Naming for ...

En orbite, panoramique et zoom dans la vue 3D de Blender - mannequins

En orbite, panoramique et zoom dans la vue 3D de Blender - mannequins

En essayant de naviguer dans un espace en trois dimensions à travers un écran bidimensionnel comme un écran d'ordinateur, vous ne pouvez pas interagir avec cet espace 3D virtuel exactement comme vous le feriez dans le monde réel, ou espace de vie. La meilleure façon de visualiser le travail en 3D à travers un programme comme Blender est d'imaginer la vue 3D comme vos yeux ...

Déplacement de clips sur la timeline dans Final Cut Pro HD - Ficelles

Déplacement de clips sur la timeline dans Final Cut Pro HD - Ficelles

Final Cut Pro HD Timeline vous permet d'organiser tous vos clips vidéo et audio afin qu'ils racontent l'histoire que vous voulez raconter. Pour comprendre le fonctionnement de la Timeline, imaginez-la comme une page de partitions, mais plutôt que de placer des notes de musique de différentes durées (noires, demi-notes, ...

Le choix des éditeurs

Contrôle et modification de l'associativité des dimensions dans AutoCAD - Dummies

Contrôle et modification de l'associativité des dimensions dans AutoCAD - Dummies

Lorsque vous ajoutez des dimensions en sélectionnant des objets ou en utilisant l'accrochage aux objets Pour sélectionner des points sur les objets, AutoCAD crée normalement des dimensions associatives, qui sont connectées aux objets et se déplacent avec eux. C'est le cas dans les nouveaux dessins créés à l'origine dans toute version d'AutoCAD à partir de 2002. Si vous ...

Copie de styles de cote existants dans AutoCAD 2008 - mannequins

Copie de styles de cote existants dans AutoCAD 2008 - mannequins

Si vous avez la chance de travailler dans un bureau Quelqu'un a mis en place des styles de cotes qui conviennent à votre secteur d'activité et à votre projet. Vous pouvez le copier et ainsi éviter de devoir créer vos propres styles de cote. (Un style de cote - ou dimstyle pour faire court - est une collection de paramètres de dessin appelée dimension ...

En choisissant un style d'édition AutoCAD -

En choisissant un style d'édition AutoCAD -

Dans AutoCAD vous passez généralement plus de temps à éditer que dessiner des objets. C'est en partie parce que le processus de conception et de rédaction est, par nature, sujet à des changements, et aussi parce que AutoCAD vous permet de modifier facilement les objets proprement. AutoCAD propose trois styles d'édition: Commande-première Sélection-première Objet-direct (poignée) AutoCAD fait référence à l'édition de commandes comme verbe-nom ...

Le choix des éditeurs

Praxis Examen d'éducation élémentaire - Présentations orales - mannequins

Praxis Examen d'éducation élémentaire - Présentations orales - mannequins

Parce que les élèves doivent généralement donner des présentations orales en classe , vous rencontrerez probablement une question sur ce sujet dans l'examen Praxis Elementary Education. Plus formelles que les discussions de groupe, les présentations orales ont leurs propres règles pour le conférencier. Lorsque vous donnez une présentation en classe, il y a plusieurs ...

Praxis Examen d'éducation élémentaire - Littérature et texte d'information - mannequins

Praxis Examen d'éducation élémentaire - Littérature et texte d'information - mannequins

L'examen Praxis Elementary Education sur la littérature et le texte d'information, c'est-à-dire la fiction et la non-fiction. Vous devrez donc vous familiariser avec les différents genres d'écriture. La compréhension du texte est un processus qui se produit au fil du temps.

Praxis Examen d'éducation élémentaire - Connaissance phonologique - mannequins

Praxis Examen d'éducation élémentaire - Connaissance phonologique - mannequins

Vous rencontrerez probablement une ou deux questions qui impliquent des questions phonologiques sensibilisation à l'examen Praxis Elementary Education. La conscience phonologique est une compétence large impliquant la reconnaissance de son. Les lecteurs débutants commencent par apprendre les sons individuels, ou phonèmes, dans des mots parlés. Par exemple, le mot chat a trois phonèmes: / c / / a / / t /. Un lecteur débutant apprend ...