Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Modelamiento predictivo en Analítica Predictiva

29 views

Published on

Modelamiento predictivo en Analítica Predictiva

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

Modelamiento predictivo en Analítica Predictiva

  1. 1. Elaborado por: Pedro Ch�vez F. Limitless Power of Information Business Analytics Society https://addkw.com/ El Modelamiento Predictivo en la Anal�tica Predictiva El Modelamiento Predictivo en la Anal�tica Predictiva El modelamiento predictivo es el proceso de dise�o, implementaci�n, prueba, validaci�n de los resultados y selecci�n del modelo de predicci�n m�s beneficioso, para lo cual se apoya en diversos m�todos de an�lisis y algoritmos de aprendizaje. La validaci�n del modelo de predicci�n que es parte de la implementaci�n del modelo de predicci�n nos asegura obtener el modelo mas adecuado para predecir la probabilidad de un resultado. Diversos son los m�todos de modelamiento disponibles en las plataformas de software de anal�tica predictiva, como el aprendizaje de m�quina, la inteligencia artificial, la miner�a de datos y la estad�stica. El modelo de predicci�n es seleccionado basado en criterios de prueba, validaci�n y evaluaci�n de resultados en funci�n de la teor�a de detecci�n y suposici�n de probabilidad de un resultado dado una muestra de datos de entrada determinada. Los modelos pueden emplear distintas t�cnicas l�gicas y matem�ticas de clasificaci�n para intentar determinar la probabilidad que un conjunto de datos pertenezca a otro o que una variable tome un determinado valor, lo que se conoce con el nombre de predicci�n. Los modelos predictivos disponibles en las plataformas de software de anal�tica predictiva como: - Pronostico de ventas basados en series de tiempo. - Detecci�n de enfermedades basadas en clasificaciones y arboles de decisi�n. - Gesti�n inteligente de precios de mayoristas basados en clustering. - Sistemas de detecci�n de fraudes basados en la teor�a de Bayes Naives, etc. permiten obtener nueva informaci�n a partir de los datos de entrada y a su vez seleccionar el modelo predictivo que mejor se adapte al negocio. Cada modelo tiene sus fortalezas y debilidades y est�n dise�ados para tipos particulares de problemas.
  2. 2. Elaborado por: Pedro Ch�vez F. Limitless Power of Information Business Analytics Society https://addkw.com/ El Modelamiento Predictivo en la Anal�tica Predictiva Un modelo predictivo es reutilizable y se crea a partir del entrenamiento de un algoritmo empleando datos hist�ricos y salvando el modelo para posteriores usos compartiendo las reglas de negocios generales que pueden aplicarse a datos similares con el objeto de analizar los resultados utilizando el algoritmo entrenado y nuevos datos. Procesos en el Modelamiento Predictivo Los procesos estandarizados del modelamiento predictivo que son intr�nsecos en las plataformas de software de anal�tica predictiva son: - Creaci�n del Modelo: comprende el dise�o e implementaci�n de modelos de predicci�n que ser�n entrenados a partir de uno o mas algoritmos tomando los datos de entrenamiento de la muestra. - Prueba del Modelo: comprende la prueba del modelo utilizando algoritmos de aprendizaje y datos de entrenamiento de la muestra. En algunos escenarios, las pruebas se llevan a cabo basados en datos hist�ricos para observar y confirmar la mejor predicci�n del modelo. - Validaci�n del Modelo: Valida los resultados del modelo a trav�s de comprensi�n de los datos del negocio e interfaces de visualizaci�n. - Evaluaci�n del Modelo: Evaluaci�n y selecci�n del modelo de predicci�n que mejor se ajusta a los resultados hist�ricos.
  3. 3. Elaborado por: Pedro Ch�vez F. Limitless Power of Information Business Analytics Society https://addkw.com/ El Modelamiento Predictivo en la Anal�tica Predictiva El proceso de modelamiento implica la ejecuci�n de manera iterativa de uno o m�s algoritmos sobre los datos de la muestra. Este proceso se conoce con el nombre de entrenamiento del modelo. La iteraci�n se lleva a cabo utilizando m�ltiples modelos o algoritmos sobre los mismos datos muestrales hasta obtener el modelo que m�s se ajuste a los datos del negocio. Categor�a de los modelos de predicci�n Los modelos de predicci�n pueden ser clasificados como: - Modelos predictivos: Analizan los datos hist�ricos para elaborar predicciones futuras. - Modelos descriptivos: Analiza los datos hist�ricos y establece relaciones entre los datos con el prop�sito de clasificar los conjuntos de datos en grupos. - Modelos de Decisi�n: Tambi�n conocidos como modelos prescriptivos. Establece las relaciones entre los diversos elementos de una decisi�n para predecir sus resultados y seleccionar una decisi�n.
  4. 4. Elaborado por: Pedro Ch�vez F. Limitless Power of Information Business Analytics Society https://addkw.com/ El Modelamiento Predictivo en la Anal�tica Predictiva Algoritmos de aprendizaje Los algoritmos de aprendizaje ejecutan an�lisis estad�sticos y de miner�a de datos con el fin de determinar patrones y tendencias en los datos. Las plataformas de anal�tica predictiva incluyen servicios de an�lisis basados en algoritmos como: regresiones, series de tiempo, valores at�picos, arboles de decisi�n, redes neuronales y an�lisis k-means. Muchas plataformas de software incluyen integraci�n con la librer�a de c�digo abierto R. Algunos algoritmos de aprendizaje son: - Series de tiempo: desarrolla predicciones basadas en el tiempo. Algunos ejemplos de estos algoritmos son: Suavizado exponencial simple, doble y triple. - Regresi�n: predice variables contin�as basadas en otras variables en el conjunto de datos de la muestra. Ejemplos de estos algoritmos son: regresi�n lineal, regresi�n exponencial, regresi�n geom�trica, regresi�n logar�tmica y regresi�n lineal m�ltiple. - Asociaci�n: encuentran patrones de frecuencia y reglas de asociaci�n en grandes masas de datos transaccionales. Ejemplo de estos es el algoritmo: A PRIORI. - Clustering: basadas en observaciones de grupos similares. Ejemplos de estos algoritmos son: K-means, Kohonen y Twostep. - Arboles de decisi�n: clasifica y predice una o mas variables discretas basadas en otras variables dentro del conjunto de datos muestrales. Ejemplos de estos algoritmos son: C 4.5 y CNR Tree. - Detecci�n de valores at�picos: detecta los valores at�picos en un conjunto de datos muestrales. Algoritmos de este tipo son: Inter quartile range (rango de cuarto interno) y Nearest Neighbour Outlier (vecino m�s cercano at�pico). - Redes neuronales: realiza el pron�stico, clasificaci�n y reconocimiento de patrones estad�sticos. Ejemplos de estos algoritmos son: NNet Neural Network y MONMLP Neural Network. - Ensemble models (modelos de conjuntos): similar al an�lisis de MonteCarlo en las que las m�ltiples predicciones num�ricas se realizan empleando ligeras condiciones iniciales diferentes.
  5. 5. Elaborado por: Pedro Ch�vez F. Limitless Power of Information Business Analytics Society https://addkw.com/ El Modelamiento Predictivo en la Anal�tica Predictiva - An�lisis de Factor: trabaja con las variabilidades entre las variables correlacionadas y observadas en funci�n de un reducido numero de variables no observadas denominadas factores. Ejemplo de esto es el Algoritmo de Probabilidad M�xima. - Naive Bayes: Son clasificadores probabil�sticos basados en la aplicaci�n del teorema de Bayes con solidas suposiciones de independencia de las variables. - Support Vector Machines (M�quinas de vector de soporte): son modelos de aprendizaje supervisado con algoritmos de aprendizaje asociados que analizan los datos y reconocen patrones empleados en el an�lisis de regresi�n y clasificaci�n. - Uplift modeling: modela el impacto incremental en el tratamiento del comportamiento de un individuo. - An�lisis de supervivencia: son an�lisis de tiempos para eventos. Las principales plataformas de Anal�tica Predictiva son:

×