Accueil Finances personnelles Comment tester le modèle d'analyse prédictive - les mannequins

Comment tester le modèle d'analyse prédictive - les mannequins

Table des matières:

Vidéo: EP1 - Analyse vibratoire - principes, prise en main du capteur 2025

Vidéo: EP1 - Analyse vibratoire - principes, prise en main du capteur 2025
Anonim

Pour pouvoir tester le modèle d'analyse prédictive que vous avez construit, vous devez diviser votre jeu de données en deux ensembles: les ensembles de données d'apprentissage et de test. Ces ensembles de données devraient être choisis au hasard et devraient être une bonne représentation de la population réelle.

  • Des données similaires doivent être utilisées pour les ensembles de données d'apprentissage et de test.

  • Normalement, l'ensemble de données d'apprentissage est significativement plus grand que l'ensemble de données de test.

  • L'utilisation de l'ensemble de données de test vous aide à éviter les erreurs telles que le sur-ajustement.

  • Le modèle entraîné est exécuté par rapport aux données de test pour voir si le modèle fonctionnera correctement.

Certains spécialistes des données préfèrent disposer d'un troisième ensemble de données présentant des caractéristiques similaires à celles des deux premiers: un ensemble de données de validation . L'idée est que si vous utilisez activement vos données de test pour affiner votre modèle, vous devez utiliser un ensemble (tiers) distinct pour vérifier l'exactitude du modèle.

La présence d'un jeu de données de validation, qui n'a pas été utilisé dans le cadre du processus de développement de votre modèle, permet d'assurer une estimation neutre de la précision et de l'efficacité du modèle.

Si vous avez construit plusieurs modèles à l'aide de divers algorithmes, l'exemple de validation peut également vous aider à évaluer quel modèle fonctionne le mieux.

Assurez-vous de vérifier votre travail de développement et de test du modèle. En particulier, soyez sceptique si la performance ou la précision du modèle semble trop belle pour être vraie. Les erreurs peuvent se produire là où vous les attendez le moins. Par exemple, le calcul incorrect de dates pour des données de séries temporelles peut conduire à des résultats erronés.

Comment utiliser la validation croisée

La validation croisée est une technique populaire que vous pouvez utiliser pour évaluer et valider votre modèle. Le même principe d'utilisation de jeux de données distincts pour les tests et la formation s'applique ici: Les données d'apprentissage sont utilisées pour construire le modèle; le modèle est exécuté par rapport à l'ensemble de tests pour prédire des données qu'il n'a pas vues auparavant, ce qui est une façon d'évaluer sa précision.

Dans la validation croisée, les données historiques sont divisées en X nombres de sous-ensembles. Chaque fois qu'un sous-ensemble est choisi pour être utilisé comme données de test, le reste des sous-ensembles sont utilisés comme données d'apprentissage. Ensuite, lors du passage suivant, l'ancien ensemble de test devient l'un des ensembles d'apprentissage et l'un des anciens ensembles d'apprentissage devient l'ensemble de test.

Le processus se poursuit jusqu'à ce que chaque sous-ensemble de ce nombre X d'ensembles ait été utilisé comme ensemble de test.

Imaginons par exemple que vous ayez divisé un jeu de données en 5 jeux numérotés de 1 à 5. Dans la première exécution, vous utilisez le jeu 1 comme jeu de test et utilisez les jeux 2, 3, 4 et 5 comme jeu de formation.Ensuite, lors de la deuxième exécution, vous utilisez le set 2 comme jeu de test et définissez 1, 3, 4 et 5 comme jeu d'apprentissage.

Vous continuez ce processus jusqu'à ce que chaque sous-ensemble des 5 jeux ait été utilisé comme jeu de test.

La validation croisée vous permet d'utiliser chaque point de données de vos données historiques à la fois pour la formation et les tests. Cette technique est plus efficace que de simplement diviser vos données historiques en deux ensembles, en utilisant l'ensemble avec le plus de données pour la formation, en utilisant l'autre ensemble pour les tests, et en le laissant à cela.

Lorsque vous validez vos données de manière croisée, vous vous protégez contre le choix aléatoire de données de test trop faciles à prévoir, ce qui vous donnerait la fausse impression que votre modèle est précis. Ou, s'il vous arrive de choisir des données de test trop difficiles à prévoir, vous pourriez conclure à tort que votre modèle ne fonctionne pas comme vous l'espériez.

La validation croisée est largement utilisée non seulement pour valider la précision des modèles, mais aussi pour comparer les performances de plusieurs modèles.

Comment équilibrer le biais et la variance

Le biais et la variance sont deux sources d'erreurs qui peuvent se produire lorsque vous construisez votre modèle analytique.

Le biais est le résultat de la construction d'un modèle qui simplifie considérablement la présentation des relations entre les points de données dans les données historiques utilisées pour construire le modèle.

La variance est le résultat de la construction d'un modèle explicitement spécifique aux données utilisées pour construire le modèle.

L'atteinte d'un équilibre entre biais et variance - en réduisant la variance et en tolérant certains biais - peut conduire à un meilleur modèle prédictif. Ce compromis conduit généralement à construire des modèles prédictifs moins complexes.

De nombreux algorithmes d'exploration de données ont été créés pour prendre en compte cet arbitrage entre biais et variance.

Comment résoudre les problèmes

Lorsque vous testez votre modèle et que vous ne parvenez à rien, voici quelques idées à prendre en compte pour vous remettre sur les rails:

  • Vérifiez toujours votre travail. Vous avez peut-être oublié quelque chose que vous pensiez être correct mais qui ne l'est pas. Ces failles peuvent apparaître (par exemple) parmi les valeurs d'une variable prédictive dans votre jeu de données, ou dans le prétraitement que vous avez appliqué aux données.

  • Si l'algorithme choisi ne donne aucun résultat, essayez un autre algorithme. Par exemple, vous essayez plusieurs algorithmes de classification disponibles et en fonction de vos données et des objectifs commerciaux de votre modèle, l'un d'entre eux peut être plus performant que les autres.

  • Essayez de sélectionner différentes variables ou de créer de nouvelles variables dérivées. Soyez toujours à l'affût des variables qui ont des pouvoirs prédictifs.

  • Consultez fréquemment les experts du domaine métier qui peuvent vous aider à comprendre les données, à sélectionner des variables et à interpréter les résultats du modèle.

Comment tester le modèle d'analyse prédictive - les mannequins

Le choix des éditeurs

Découvrir les Méditations de Pleine Conscience Formelle - les nuls

Découvrir les Méditations de Pleine Conscience Formelle - les nuls

Pour approfondir votre conscience consciente, vous devez pratiquer une méditation de pleine conscience sur une base quotidienne. Familiarisez-vous avec certaines des médiations suivantes. Avec le temps, vous deviendrez plus conscient de votre vie quotidienne. Body Meditation Meditation - Cette méditation implique de passer environ une demi-heure, en prenant conscience de ...

Démystifier Dan Brown: Les Templiers Royaux - les nuls

Démystifier Dan Brown: Les Templiers Royaux - les nuls

Les Templiers sont presque aussi fictifs dans Dan Brown Le code Da Vinci comme les chevaliers Jedi sont dans Star Wars. Bien que le héros Robert Langdon hésite d'abord à élever les Templiers dans ses cours, parce que la mention même d'eux fait ressortir les amants du complot, Brown n'a aucun problème à les faire participer ...

Démystification des mythes communs sur la franc-maçonnerie - mannequins

Démystification des mythes communs sur la franc-maçonnerie - mannequins

La franc-maçonnerie moderne existe depuis 1717. Les premières contre-vérités concoctées sur l'Ordre sont apparues en impression à peu près en même temps. Les États-Unis étaient consumés par l'hystérie anti-maçonnique à la fin des années 1820, et l'Europe a fait de Mason-bashing un sport populaire pendant deux siècles, le liant souvent à la propagande antisémite. Internet n'a que ...

Le choix des éditeurs

À L'aide de la boîte de dialogue Configurer l'affichage dans PowerPoint 2011 pour Mac - témoins

À L'aide de la boîte de dialogue Configurer l'affichage dans PowerPoint 2011 pour Mac - témoins

Dans la boîte de dialogue Configurer l'affichage dans PowerPoint, cliquez sur le bouton Configurer l'affichage dans l'onglet Diaporama du ruban Office 2011 pour Mac, ou choisissez Diaporama → Configurer l'affichage dans la barre de menus. Dans les deux cas, la boîte de dialogue Configurer l'affichage polyvalent apparaît. Choisir un type de spectacle dans PowerPoint 2011 pour Mac ...

Enregistrement des fichiers dans Office 2011 pour Mac - témoins

Enregistrement des fichiers dans Office 2011 pour Mac - témoins

Enregistrement d'un fichier sur lequel vous travaillez dans Office 2011 pour Mac est aussi simple que de cliquer sur le bouton Enregistrer dans la barre d'outils Standard, en appuyant sur Commande-S ou en choisissant Fichier → Enregistrer. Si votre fichier a été enregistré précédemment, l'enregistrement du fichier remplace la copie existante du fichier par votre version mise à jour. Si votre fichier n'a pas ...

Fonctionnant avec les modèles de diapositives maîtres dans PowerPoint 2011 pour Mac - les nuls

Fonctionnant avec les modèles de diapositives maîtres dans PowerPoint 2011 pour Mac - les nuls

Dans Office 2011 pour Mac, l'ajout d'une nouvelle présentation de diapositive à une diapositive dans la vue Diapositive maître de PowerPoint 2011 est une tâche assez simple à effectuer. Suivez ces étapes pour commencer: Assurez-vous que vous êtes en mode Masque des diapositives. Choisissez Affichage → Maître → Masque de diapositives dans la barre de menus. Cliquez sur l'onglet Masque des diapositives du ruban, ...

Le choix des éditeurs

Sélectionnez PowerPoint 2007 Objects - dummies

Sélectionnez PowerPoint 2007 Objects - dummies

Avant de pouvoir modifier un objet PowerPoint 2007 sur une diapositive, vous devez le sélectionner. Dans les présentations PowerPoint, les objets peuvent être du texte, des graphiques, des images clipart, des formes, etc. Voici quelques instructions pour sélectionner les objets PowerPoint 2007: Objets texte: Pour sélectionner un objet texte PowerPoint 2007, déplacez le point d'insertion sur le texte qui ...

Définir le contour de la forme sur une diapositive PowerPoint 2007 - dummies

Définir le contour de la forme sur une diapositive PowerPoint 2007 - dummies

Le contrôle shapePoint de powerPoint vous permet style des objets de ligne ou la bordure pour les objets de forme solide sur vos diapositives PowerPoint. Le contrôle Shape Outline se trouve dans le groupe Styles de formes de l'onglet Outils de dessin. Vous pouvez modifier les paramètres suivants pour le contour: Couleur: Définit la couleur utilisée pour ...

PowerPoint 2016 pour les nuls Cheat Sheet - les nuls

PowerPoint 2016 pour les nuls Cheat Sheet - les nuls

PowerPoint 2016 est le logiciel de présentation le plus puissant disponible pour créer et éditer la diapositive montrer des présentations pour le travail, la maison ou l'école. PowerPoint 2016 offre un certain nombre de raccourcis clavier utiles pour effectuer des tâches rapidement. Voici quelques raccourcis pour le formatage PowerPoint commun, l'édition et les tâches de fichiers et de documents. De plus, après avoir créé votre chef-d'œuvre, vous ...