Nuspėjamasis modeliavimas
Nuspėjamasis modeliavimas yra žinomų rezultatų panaudojimo procesas siekiant sukurti, apdoroti ir patvirtinti modelį, kuris gali būti naudojamas numatant būsimus rezultatus. Tai įrankis, naudojamas numatomojoje analitikoje, duomenų gavybos technika, kuria bandoma atsakyti į klausimą „kas gali nutikti ateityje?“
Supratimo modeliavimo supratimas
Greitas perėjimas prie skaitmeninių produktų sukūrė lengvai prieinamą ir prieinamą duomenų jūrą įmonėms. Didelius duomenis įmonės naudoja siekdamos pagerinti klientų ir verslo santykių dinamiką. Šis didžiulis realiojo laiko duomenų kiekis yra gaunamas iš tokių šaltinių kaip socialinė žiniasklaida, interneto naršymo istorija, mobiliųjų telefonų duomenys ir debesų kompiuterijos platformos.
Analizuodamas istorinius įvykius, yra tikimybė, kad verslas gali numatyti, kas nutiks ateityje, ir atitinkamai planuoti. Tačiau šie duomenys paprastai yra nestruktūruoti ir per sudėtingi žmonėms, kad galėtų juos analizuoti per trumpą laiką. Dėl milžiniškų duomenų sudėtingumo įmonės vis dažniau naudoja nuspėjamąsias analizės priemones, kad galėtų numatyti įvykio, kuris gali įvykti artimiausioje ateityje, baigtį.
Kaip veikia nuspėjamoji analizė
Nuspėjamoji analizė kaupia ir apdoroja istorinius duomenis milžiniškais kiekiais ir naudoja galingus kompiuterius, kad įvertintų tai, kas įvyko praeityje, o tada pateikia vertinimą, kas nutiks ateityje.
Nuspėjamojoje analitikoje naudojami numatytojai arba žinomos funkcijos, kad būtų sukurti nuspėjantys modeliai, kurie bus naudojami gaunant išvestį. Nuspėjamasis modelis gali sužinoti, kaip skirtingi duomenų taškai jungiasi vienas su kitu. Du iš plačiausiai naudojamų prognozinių modeliavimo būdų yra regresiniai ir neuroniniai tinklai.
Bendrovės vis dažniau naudoja nuspėjamąjį modeliavimą, norėdamos numatyti įvykius, kurie gali įvykti artimiausioje ateityje.
Ypatingos aplinkybės
Statistikos srityje regresija reiškia tiesinį ryšį tarp įvesties ir išėjimo kintamųjų. Nuspėjamam modeliui su linijine funkcija reikalingas vienas nuspėjamasis arba bruožas, kad būtų galima numatyti išėjimą / rezultatą. Pavyzdžiui, bankas, kuris tikisi ankstyvoje stadijoje nustatyti pinigų plovimą, gali įtraukti linijinį prognozės modelį.
Bankas konkrečiai nori sužinoti, kurie iš jo klientų tam tikru metu gali užsiimti pinigų plovimu. Pateikiami visi banko klientų duomenys, o remiantis kiekvieno kliento tam tikru laikotarpiu atliktų pervedimų dolerio vertės pagrindu sudaromas prognozinis modelis.
Modelis mokomas atpažinti skirtumą tarp pinigų plovimo operacijos ir įprastos operacijos. Optimalus modelio rezultatas turėtų būti modelis, rodantis, kuris klientas nuplovė pinigus, o kuris ne. Jei modelis suvokia, kad konkrečiam klientui atsiranda sukčiavimo modelių, jis sukurs signalą apie veiksmus, kuriuose dalyvaus banko sukčiavimo analitikai.
Nuspėjami modeliai taip pat naudojami neuroniniuose tinkluose, tokiuose kaip mašininis mokymasis ir giluminis mokymasis, kurie yra dirbtinio intelekto (AI) sritys. Neuroniniai tinklai yra įkvėpti žmogaus smegenų ir yra sukurti sujungtų mazgų tinkle hierarchiniu lygiu, kuris sudaro AI pagrindą. Neuroninių tinklų galia slypi jų gebėjime tvarkyti netiesinius duomenų ryšius. Jie sugeba sukurti ryšius ir modelius tarp kintamųjų, kurie žmonių analitikams pasirodytų neįmanomi ar per daug laiko reikalaujantys.
Pagrindiniai išvežamieji daiktai
- Nuspėjamasis modeliavimas yra žinomų rezultatų panaudojimo procesas siekiant sukurti, apdoroti ir patvirtinti modelį, kuris gali būti naudojamas numatant ateitį.
- Du iš plačiausiai naudojamų prognozinių modeliavimo būdų yra regresiniai ir neuroniniai tinklai.
Taigi bankas gali įvesti į savo modelį žinomus kintamuosius, tokius kaip klientų inicijuotų pervedimų vertė, kad gautumėte norimą rezultatą to, kas gali užsiimti pinigų plovimu, tačiau neuroninis tinklas gali sukurti galingesnį modelį, jei jis gali. sėkmingai sukurkite ryšį tarp įvestų kintamųjų, tokių kaip prisijungimo laikas, vartotojo geografinė vieta, vartotojo įrenginio IP adresas, lėšų gavėjas ar siuntėjas ir bet kuri kita savybė, kuri gali sudaryti pinigų plovimo veiklą.
Kiti numatomi modeliavimo metodai, kuriuos naudoja finansų bendrovės, yra sprendimų medžiai, laiko eilučių gavyba ir Bajeso analizė. Įmonės, kurios pasinaudoja dideliais duomenimis naudodamosi nuspėjamojo modeliavimo priemonėmis, geriau supranta, kaip jų klientai naudojasi jų produktais, ir gali nustatyti galimą įmonės riziką ir galimybes.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.