Modelos Preditivos

Prévia do material em texto

BI: A inteligência dos 
negócios
Tema 05 – Modelos Preditivos
Bloco 1
Fábio Ferreira Cardoso
Conteúdo
Entender os modelos de predição.
Como criar um modelo preditivo.
Objetivos de um modelo preditivo.
Introdução
Modelos de predição.
Conceito de modelo preditivo
Um algoritmo de aprendizado de máquina
preditivo, também conhecido como aprendizado
supervisionado, é representado por uma função
que constrói um estimador com base em um
conjunto de dados rotulados.
Como criar um modelo preditivo
Coleta de 
dados
Exploração e 
preparação
Treinamento 
do modelo
Avaliação do 
modelo
Otimização 
do modelo
Objetivos de um modelo preditivo
A análise preditiva é capaz de usar dados,
algoritmos e técnicas de machine learning na
tentativa de prever situações futuras.
O objetivo é lançar mão de dados estatísticos e
históricos para decidir as melhores ações, que
vão garantir o sucesso dos negócios.
Conclusão
A análise preditiva usa técnicas de interpretação
de dados que especialistas humanos
dificilmente perceberiam.
O processo de análise passa pela identificação
do problema a ser resolvido, pelo que se precisa
saber sobre o futuro para contornar desafios e
agir a partir dos insights.
BI: A inteligência dos 
negócios
Tema 05 – Modelos Preditivos
Bloco 2
Fábio Ferreira Cardoso
Conteúdo
Aplicação do modelo preditivo.
Árvore de decisão.
Vantagens e desvantagens no uso da árvore de
decisão.
Modelo preditivo - aplicação
Não caia na tentação de querer aplicar seu
modelo a tudo que você vê pela frente!
Árvore de decisão
Em uma árvore de decisão, para resolução de
um problema, utiliza-se a estratégia de dividir
para conquistar, quebrando um problema
complexo em problemas mais simples, até que
exista problemas simples de solução já
conhecida.
Árvore de decisão - conceito
Diagramas que apresentam uma sequência das
decisões inter-relacionadas e os resultados
esperados, de acordo com a alternativa
escolhida (DAYCHOUN, 2012).
Na modelagem de uma árvore de decisão, é
estabelecida uma decisão, bem como as
implicações derivadas dela.
Para montar uma árvore de decisão
1. Definição do problema.
2. Identificação das alternativas a serem
consideradas.
3. Identificação dos eventos futuros
decorrentes das alternativas escolhidas.
4. Representação em tabelas ou gráficos.
5. Estimativa das probabilidades de cada
evento futuro.
6. Determinação dos valores finais das
alternativas.
7. Tomada de decisão.
Vantagens da árvore de decisão
As árvores de decisão possuem diversas
vantagens e são aplicadas tanto no meio
acadêmico como no meio empresarial.
Uma vantagem é que não é necessário assumir
nenhuma distribuição dos dados, sendo o
modelo muito flexível.
Desvantagens da árvore de decisão
Se um dos atributos não for conhecido, é
possível surgir problemas de decisão.
Também pode ocorrer uma duplicação de testes
em diferentes ramos da árvore.
Conclusão
Uma árvore de decisão utiliza a estratégia de
dividir para conquistar. Os nós representam
elementos e os ramos representam os critérios
de decisão.