علم البيانات الرشيقة - دور التنبؤات Agile Data Science - Role Of Predictions
علم البيانات الرشيقة - دور التنبؤات
دور التنبؤات
في هذا الفصل ، سنكسب المزيد من المعلومات حول دور
التنبؤات في علم البيانات السريع. تعرض التقارير التفاعلية جوانب مختلفة من البيانات. تشكل التنبؤات الطبقة الرابعة من العدو السريع.
عند إجراء التنبؤات ، نشير دائمًا إلى البيانات السابقة ونستخدمها كاستنتاجات للتكرار في المستقبل. في هذه العملية الكاملة ، نقوم بنقل البيانات من المعالجة المجمعة للبيانات التاريخية إلى البيانات في الوقت الحقيقي حول المستقبل.
يشمل دور التنبؤات ما يلي -
التنبؤات تساعد في التنبؤ. تستند بعض التوقعات على الاستدلال الإحصائي. تستند بعض التنبؤات على آراء الخبراء.
يشارك الاستدلال الإحصائي في التنبؤات بجميع أنواعها.
في بعض الأحيان تكون التوقعات دقيقة ، بينما تكون التوقعات في بعض الأحيان غير دقيقة.
التحليلات التنبؤية
تتضمن التحليلات التنبؤية مجموعة متنوعة من التقنيات الإحصائية من النمذجة التنبؤية والتعلم الآلي واستخراج البيانات التي تحلل الحقائق الحالية والتاريخية لعمل تنبؤات حول الأحداث المستقبلية وغير المعروفة.
تتطلب التحليلات التنبؤية بيانات التدريب. تتضمن البيانات المدربة ميزات مستقلة ومعتمدة. الميزات التابعة هي القيم التي يحاول المستخدم توقعها. الميزات المستقلة هي ميزات تصف الأشياء التي نريد توقعها بناءً على الميزات التابعة.
دراسة الميزات يسمى هندسة الميزات ؛ هذا أمر بالغ الأهمية لعمل التنبؤات. يعد تصور البيانات وتحليل البيانات الاستكشافية جزءًا من هندسة الميزات ؛ هذه تشكل جوهر علم البيانات Agile .
يتنبأ
هناك طريقتان لإجراء التنبؤات في علم البيانات السريع -
تراجع
تصنيف
يعتمد بناء الانحدار أو التصنيف كليًا على متطلبات العمل وتحليله. يؤدي التنبؤ بالمتغير المستمر إلى نموذج الانحدار والتنبؤ بالمتغيرات الفئوية يؤدي إلى نموذج التصنيف.
تراجع
يأخذ الانحدار في الاعتبار الأمثلة التي تشتمل على الميزات وبالتالي ينتج عنها مخرجات رقمية.
تصنيف
يأخذ التصنيف المدخلات وينتج تصنيفًا قاطعًا.
ملاحظة - يُطلق على مجموعة البيانات النموذجية التي تحدد الإدخال إلى التنبؤ الإحصائي والتي تمكن الجهاز من التعلم اسم "بيانات التدريب".