Como descrever o teste e testar dados para análise preditiva - manequins

Quando seus dados estiverem prontos e você está prestes a começar a construir seu modelo preditivo para análise, é útil delinear sua metodologia de teste e elaborar um plano de teste. O teste deve ser conduzido pelos objetivos comerciais que você reuniu, documentou e coletou todos os dados necessários para ajudá-lo a alcançar.

Certo do morcego, você deve elaborar um método para testar se um objetivo comercial foi alcançado com sucesso. Uma vez que a análise preditiva mede a probabilidade de um resultado futuro - e a única maneira de estar pronta para executar esse teste é treinando seu modelo em dados passados, você ainda tem que ver o que ele pode fazer quando é contra dados futuros.

Claro, você não pode arriscar executar um modelo não testado em dados futuros reais, então você precisará usar os dados existentes para simular dados futuros de forma realista. Para isso, você deve dividir os dados em que você está trabalhando para treinar e testar conjuntos de dados.

Certifique-se de selecionar estes dois conjuntos de dados ao acaso e que ambos os conjuntos de dados contêm e cobrem todos os parâmetros de dados que você está medindo.

Quando você divide seus dados em conjuntos de dados de teste e treinamento, você está efetivamente evitando quaisquer problemas de superposição que possam surgir de sobre-treinar o modelo em todo o conjunto de dados e pegar todos os padrões de ruído ou recursos específicos que pertencem apenas ao conjunto de dados da amostra e não são aplicáveis ​​a outros conjuntos de dados.

Separar seus dados em treinamento e testar conjuntos de dados, cerca de 70% e 30%, respectivamente, garante uma medição precisa do desempenho do modelo de análise preditiva que você está construindo. Você quer avaliar seu modelo contra os dados do teste porque é uma maneira direta de medir se as previsões do modelo são precisas.