Baixe o app para aproveitar ainda mais
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.
Compartilhar