예측 분석을위한 테스트 및 테스트 데이터 개요 - 데이터 준비가 완료되면 더미

데이터가 준비되고 분석을위한 예측 모델을 만들기 시작할 때 테스트 방법을 대략적으로 설명하고 테스트 계획을 작성하는 것이 좋습니다. 테스팅은 수집, 문서화 및 달성에 필요한 모든 데이터 수집과 같은 비즈니스 목표에 의해 주도되어야합니다.

방망이에서 벗어나서, 비즈니스 목표가 성공적으로 달성되었는지 테스트하는 방법을 고안해야합니다. 예측 분석은 미래 결과에 대한 가능성을 측정하기 때문에 이러한 테스트를 실행할 준비가 된 유일한 방법은 과거 데이터에 대한 모델을 훈련하는 것이지만 미래 데이터에 대비하여 수행 할 수있는 작업을 파악해야합니다.

이 두 데이터 세트를 무작위로 선택하고 두 데이터 세트 모두 측정중인 모든 데이터 매개 변수를 포함하고 커버해야합니다.

데이터를 테스트 및 교육 데이터 세트로 분리하면 모델을 전체 데이터 세트에서 과부하시키고 모든 노이즈 패턴이나 샘플 데이터 세트에만 속한 특정 기능을 선택하여 발생할 수있는 초과 적용 문제를 효과적으로 피할 수 있습니다 다른 데이터 세트에는 적용 할 수 없습니다.

데이터를 교육 및 테스트 데이터 세트로 각각 약 70 % 및 30 %로 분리하면 구축중인 예측 분석 모델의 성능을 정확하게 측정 할 수 있습니다. 모델의 예측이 정확한지 여부를 직접적으로 측정 할 수 있기 때문에 테스트 데이터와 비교하여 모델을 평가하려고합니다.