Публикации по теме 'business-analytics'


Большие данные, машинное обучение и будущее бизнес-аналитики
Что такое большие данные, машинное обучение и бизнес-аналитика? Большие данные относятся к большим и сложным наборам данных, которые нельзя обрабатывать и анализировать с использованием традиционных методов из-за их огромного объема, скорости и разнообразия. Он включает данные из различных источников, таких как социальные сети, транзакции и данные датчиков. Основная цель больших данных — извлечь полезную информацию и идеи из этих больших наборов данных. Машинное обучение — это..
Сделайте логистическую регрессию снова простой
Предположим, вы - специалист по данным, стремящийся разработать модель оттока / удержания: модель, позволяющая предсказать, вернется ли конкретный клиент, чтобы купить больше ваших продуктов, или вместо этого полностью откажется от ваших услуг. Во многих случаях вам нужно предсказать не только, кто будет сохранен, а кто нет, но и почему . (Если мы поймем эти факторы, мы сможем удержать больше клиентов в будущем, что хорошо для бизнеса!) Другими словами, ваша модель должна быть..
Мы поняли, что бизнес-пользователям не нужно больше данных, им нужно больше ответов.
Бизнес-пользователи могут глубоко погрузиться в данные и получить ценную информацию, но им стало трудно использовать этот растущий объем данных и их сложность. Бизнес-пользователи по-прежнему нуждаются в поддержке со стороны группы аналитиков, чтобы получить представление о новых бизнес-идеях. В то же время, поскольку количество данных и их сложность растут, стало еще сложнее анализировать такие данные за короткий промежуток времени. Постоянное требование поддержки принятия решений..
Узнавайте о своем бизнесе по аномальным показателям
Чтобы найти аномалию, спрогнозируйте, что произойдет, и выделите большие отклонения от прогноза. Мы попробовали простую модель: спрогнозировать постоянную скорость ежедневных изменений. То есть разница между третьим и вторым днями такая же, как разница между вторым и первым днем. Пример: возможно, количество пользователей на вашем сайте в первый, второй и третий дни составляет 1000, 1010 и 1020, что означает, что вы добавляете 10 пользователей в день. Если вы добавляете 10 пользователей в..
#KB Деревья решений
Дорогие друзья! Вы устали от использования традиционных линейных алгоритмов, которые с трудом обрабатывают сложные нелинейные наборы данных? Не смотрите дальше алгоритма дерева решений, который может похвастаться способностью легко ориентироваться и делать прогнозы как в линейных, так и в нелинейных структурах данных. Присоединяйтесь к 👋Parker Kittilsby и 👋me , чтобы погрузиться в мир алгоритмов дерева решений и узнать, как они используются для моделирования нелинейных отношений..
Методы машинного обучения для двоичной классификации: решение о банковском кредите
В этом проекте используются и сравниваются несколько методов машинного обучения для бинарной классификации, то есть классификации того, попадает ли наблюдение в определенную категорию. В этом случае у банка был набор данных о клиентах с кредитной историей, и он хотел бы, чтобы команда аналитиков построила модель для прогнозирования лиц, которые столкнутся с финансовыми трудностями, определяемыми как просроченные платежи на 90 дней в течение следующих двух лет. . Цель состоит в том, чтобы..
#KB Логистическая регрессия — Введение
Дорогие друзья! Знаете ли вы модели логистической регрессии? Эти модели широко используются в машинном обучении для прогнозирования бинарных результатов на основе независимых переменных. В этой статье я представлю всесторонний обзор логистической регрессии, от основных концепций до показателей оценки и практических приложений. Вы готовы? Пойдем! 🚀 Логистическая регрессия Логистическая регрессия — это особый вид обобщенной линейной модели (GLM), в которой используется..