Business Analytics z R.
Głównym celem Business Analytics jest opracowywanie nowych spostrzeżeń biznesowych i ocena wydajności. Dość już powiedziano o analizie biznesowej i jej różnych technikach. Najbardziej wymagane jest dokładne zrozumienie, w jaki sposób statystyki są stosowane w Business Analytics.
Co to jest modelowanie statystyczne?
Modelowanie statystyczne to formalizacja zależności między zmiennymi w postaci równań matematycznych. Zasadniczo chodzi o znalezienie zmiennej. Opisuje, w jaki sposób jedna lub więcej zmiennych jest powiązanych z jedną lub większą liczbą innych zmiennych. Tutaj zmienne nie są dokładnie powiązane, ale mogą być powiązane stochastycznie.
Mówiąc prościej, zmienna to nic innego jak atrybut. Atrybut staje się wzrostem, wagą i wiekiem osoby. Wzrost i wiek mają charakter probabilistyczny. 30-latek ma większe szanse na 4 stopy wzrostu. Podobnie, gdy znasz osobę, która ma 13 lat, ma ona większe szanse na wzrost 6 stóp.
Cały cel modelowania statystycznego nie polega na badaniach, ale ostatecznie sprowadza się do wglądu w rozwiązania. Polega na analizie danych i zastosowaniu ich w różnych okolicznościach. Tematy omówione w filmie są następujące:
1. Co to jest modelowanie statystyczne
2. Co to jest modelowanie regresji
3. Zrozumienie Analytics
Co to jest modelowanie regresji?
Jak wspomniano w powyższych liniach dotyczących modelowania statystycznego, ważnym i podstawowym czynnikiem w tej teorii jest modelowanie regresji. Modelowanie regresji polega na pozyskiwaniu relacji między dwiema zmiennymi. Dokładniej, regresja pomaga zrozumieć, jak zmienia się wartość zmiennej zależnej, podczas gdy dowolna zmienna niezależna zmienia się, podczas gdy inne zmienne niezależne są stałe. Na przykład czas jest zmienną niezależną, podczas gdy sprzedaż i prędkość zależą od pewnych czynników. Dlatego celem jest ustalenie relacji między nimi.
co to jest obiekt skanera
W modelu regresji istnieją pewne równania, są to regresja liniowa, wielowymiarowa i logistyczna. Regresja logistyczna jest podobna do regresji, w której istnieją dwie zmienne, dlatego klasyfikuje się jako probabilistyczny model statystyczny. Służy do opisu parametrów jakościowego modelu odpowiedzi.
Na diagramie wspomnianym w filmie linia przedstawia dwie koncepcje - jedną, która jest na linii, a drugą, która nie jest. Te z dala od linii mają błąd. Jest to odległość między wartością rzeczywistą (niebieskie kropki) a wartością przewidywaną (czarna linia). Celem modelowania, czy to w jakiejkolwiek formie, jest zminimalizowanie tych błędów, czyli próba wypełnienia luki między nimi. Istnieją inne techniki zrozumienia tej teorii.
Zrozumieć analitykę w biznesie
Cała działalność analityki sprowadza się do 3 prostych modeli - predykcyjnego, opisowego i decyzyjnego. Jak sama nazwa wskazuje, pozwala zrozumieć przyszłość. Na przykład awaria systemu, zdolność kredytowa, oszustwa podlegają modelowi predykcyjnemu, który zyskuje dziś popularność na całym świecie. Z drugiej strony istnieją modele opisowe i decyzyjne, które istnieją od dawna. Model opisowy umożliwia scharakteryzowanie danych, przy czym można oszacować PKB danego kraju i średnią długość życia. Ma również charakter eksploracyjny, gdzie klient dostarcza dane, a problem jest analizowany. Klient ma wgląd w problem, a następnie stosuje model decyzyjny, po czym proponuje pewne optymalizacje. Model ma cel, który jest niczym innym jak optymalizacją.
użyj Pythona w Visual Studio
Masz do nas pytanie? Wspomnij o nich w sekcji komentarzy, a my skontaktujemy się z Tobą.
Powiązane posty: