診斷分析和預(yù)測分析
診斷分析和預(yù)測分析的作用決定了為什么會(huì)發(fā)生這種情況以及將會(huì)發(fā)生什么。如何分析這個(gè)問題:
1. 搜尋相關(guān)功能
在診斷分析中,你首先需要知道結(jié)果和可能的相關(guān)因素(在商業(yè)數(shù)據(jù)分析,這些因素被稱為功能)的過程一方面取決于我們對業(yè)務(wù)的理解程度,商人和頭腦風(fēng)暴,只要是可能相關(guān),考慮在內(nèi),也可以基于現(xiàn)有功能的新結(jié)構(gòu),可以驗(yàn)證是否相關(guān)的分析。
例如與汽車油耗相關(guān)的特征可能包括:車輛重量、排水量、軸距、傳動(dòng)方式(手動(dòng)、自動(dòng))、驅(qū)動(dòng)方式(二、四驅(qū)動(dòng))等。
(b)的相關(guān)性分析
在列出可能與結(jié)果相關(guān)的特性之后，下一步是驗(yàn)證它們是否與結(jié)果相關(guān)。具體的方法包括:
2.1定性分析
2.1.1二維散點(diǎn)圖
如果只有一個(gè)特性之間的相關(guān)性分析結(jié)果,可以通過一個(gè)二維散點(diǎn)圖分析,并初步直觀地判斷之間存在什么樣的關(guān)聯(lián)兩個(gè)通過圖形描述:正相關(guān)、負(fù)相關(guān)、不相關(guān);如果是，它是線性的還是非線性的(拋物線，指數(shù)，等等)。下圖為不同性別的年齡與身高關(guān)系的散點(diǎn)圖?？梢钥闯?，兩者在青春期之間存在著正線性相關(guān)關(guān)系。
2.1.2矩陣散點(diǎn)圖
在現(xiàn)實(shí)中，只有一個(gè)與結(jié)果相關(guān)的特性是很少見的。大多數(shù)情況下，有多個(gè)特性與結(jié)果相關(guān)。此時(shí)需要矩陣散點(diǎn)圖進(jìn)行分析。矩陣散點(diǎn)圖的模式如下:
其實(shí)質(zhì)是對每個(gè)特征和結(jié)果做二維散點(diǎn)圖，分析其相關(guān)性。當(dāng)然,在矩陣也可以散點(diǎn)圖分析是否有相關(guān)性特性和特點(diǎn),專業(yè)要求多重共線性,特征數(shù)據(jù)的多元線性回歸模型要求不存在多重共線性,否則將貼現(xiàn)模型的可信度,需要排除一些特性可以消除共線性建模。
2.2定量分析
上述散點(diǎn)圖分析只能通過圖看到特征與結(jié)果之間的近似關(guān)系，即定性分析;但是，它們之間的關(guān)系無法準(zhǔn)確地描述，即定量分析;定量分析可分為以下兩個(gè)步驟:
2.2.1特征選擇
當(dāng)我們列表可能與多個(gè)特性的結(jié)果,并通過收購大約散點(diǎn)圖直觀的認(rèn)知,還需要更準(zhǔn)確判斷哪些特性和結(jié)果的相關(guān)性較高,為了降低計(jì)算的復(fù)雜性,我們應(yīng)該只把最相關(guān)的或最重要的一個(gè)特性模型中,主要有兩種方法:
常用的方法有單變量特征選擇方法:計(jì)算皮爾遜系數(shù)(即。,相關(guān)系數(shù))和互信息系數(shù)、相關(guān)系數(shù)只能測量線性相關(guān)系數(shù)和互信息可以測量各種各樣的相關(guān)性,但相對復(fù)雜的計(jì)算,但是很多工具箱包含工具(比如sklearn mime),內(nèi)部相關(guān)性排序選項(xiàng)后特征;
基于模型的特征選擇方法:一些模型會(huì)對訓(xùn)練過程中的特征進(jìn)行排序，如logistic回歸、決策權(quán)、隨機(jī)森林等。
特征選擇不僅有助于簡化計(jì)算，而且有助于我們更好地理解特征與結(jié)果之間的關(guān)系。
聲明：文中部分素材來源于網(wǎng)絡(luò)，如有侵權(quán)聯(lián)系刪除。未經(jīng)本站授權(quán)，任何人不得復(fù)制轉(zhuǎn)載、或以其他方式使用本網(wǎng)站的內(nèi)容
