Altair Knowledge Studio đối với Cây quyết định

2019-11-21 11:24:51

Phân tích dự đoán thường được định nghĩa là công nghệ tận dụng học từ phân tích dữ liệu để dự đoán hành vi trong tương lai của mọi người hoặc quy trình để thúc đẩy quá trình ra quyết định tốt hơn. Để triển khai hiệu quả các hoạt động quy mô lớn như chiến dịch tiếp thị, chiến lược phát hiện gian lận và rủi ro tài chính hoặc chiến lược bán chéo / bán liên quan đến nhiều kênh cung cấp sản phẩm và kênh phân phối, phân tích dự đoán chỉ ra khả năng sai lệch với kết quả. Ví dụ: đưa mọi thứ được biết về khách hàng vào mô hình có thể tạo ra đầu ra sẽ dự đoán liệu khách hàng đó có khả năng mua sản phẩm mới, hủy đăng ký hoặc đưa ra rủi ro tài chính cho vay tín dụng hay không.

 

Khám phá các biến dự đoán để hiểu rõ hơn về mối quan hệ giữa chúng và mục tiêu kinh doanh, mục tiêu được kích hoạt thông qua phân khúc. Phân loại và định hình dữ liệu thành các nhóm và áp dụng các chế độ xem khác nhau có thể tạo đầu ra nhanh chóng, xác định nhóm nào sẽ nhắm mục tiêu với chiến lược và bán hàng nào.

Cây quyết định từ Knowledge Studio thúc đẩy khả năng phân đoạn, hồ sơ, xác định và xếp hạng các mối quan hệ giữa các biến được sử dụng trong một mô hình chống lại mục tiêu hoặc giả thuyết kinh doanh. Được xem xét bởi các nhà phân tích như Forrester và Gartner với tư cách là nhà lãnh đạo trong hồ sơ trực quan, Cây quyết định của Knowledge Studio cung cấp giao diện tương tác và trực quan để xây dựng và khám phá các phân đoạn và khám phá mối quan hệ giữa các biến. Cây quyết định không đưa ra giả định nào về dữ liệu và cho phép các nhà khoa học dữ liệu và nhà phân tích kinh doanh khám phá các bộ dữ liệu lạ và xác định các dự đoán tốt có khả năng sai lệch với những gì họ dự đoán. Không yêu cầu mã hóa, người dùng có thể:                                           

  

  • Tận dụng một bộ thuật toán thống kê mạnh mẽ để tránh một nhiệm vụ mô hình hóa phức tạp mà không phải tạo mã phức tạp
  •  Dễ dàng kết hợp kiến ​​thức và chính sách kinh doanh trong khi xây dựng các phân khúc
  •  Tinh chỉnh các tham số và thuộc tính để kiểm soát thuật toán mở rộng nếu cần
  •  Để mô hình tự động hiển thị mối quan hệ giữa các biến hoặc xác định thủ công nơi mô hình sẽ hiển thị mối quan hệ biến
  •  Hiểu nhanh các chỉ số về hành vi dự đoán

Với khả năng xuất Cây để triển khai trong các môi trường phân tích khác thông qua việc tạo mã tự động, bao gồm SQL, SAS, SPSS, Java, R và Python, Cây quyết định từ Knowledge Studio nâng cao mô hình phân tích dự đoán và tăng tốc độ hiểu biết về mô hình đầu ra. Với tính năng điều hướng đặc biệt dễ dàng như pan, phóng to, thu gọn và mở rộng, cùng với khả năng tìm kiếm thay đổi và khả năng so sánh trực quan cây bằng cách sử dụng chế độ xem song song, Knowledge Studio sẵn sàng là giải pháp khoa học dữ liệu chính của bạn.

 

“Sử dụng Knowledge Studio Decision Trees chúng tôi có thể nhanh chóng xác định chính xác các biến chính có ý nghĩa trong việc xác định gian lận và cách tạo quy tắc từ các biến đó. Ngoài ra, nó rất dễ nhìn vào trực quan hóa dữ liệu và điều đó giúp chúng tôi xây dựng chiến lược chống gian lận”

Anita Xia, Phòng Chiến lược rủi ro, ngân hàng TeamTD

Tài Liệu Tham Khảo

Bình luận