모델의 분석 결과를 시각화하는 방법 : 숨겨진 그룹, 데이터 분류 및 이상 치 - 인형

예측 분석 결과를 시각화하면 이해 관계자가 다음 단계를 이해하는 데 도움이됩니다. 시각화 기법을 사용하여 모델의 결과를 이해 관계자에게보고하는 몇 가지 방법이 있습니다.

데이터에서 숨겨진 그룹화를 시각화하는 방법

데이터 클러스터링은 데이터에서 관련 항목의 숨겨진 그룹을 검색하는 프로세스입니다. 대부분의 경우 클러스터 (그룹화)는 소셜 네트워크 사용자, 텍스트 문서 또는 전자 메일과 같은 유형의 데이터 개체로 구성됩니다.

데이터 클러스터링 모델의 결과를 시각화하는 한 가지 방법은 소셜 네트워크 사용자로부터 수집 한 데이터에서 발견 된 사회적 커뮤니티 (클러스터)를 나타내는 그래프입니다. 고객에 관한 데이터는 표 형식으로 수집되었습니다. 클러스터링 알고리즘이 데이터에 적용되고 충성도가 높은 고객, 방랑하는 고객 및 할인 고객 인 세 클러스터 (그룹)가 발견되었습니다.

데이터 분류 결과를 시각화하는 방법

분류 모델은 조사하는 새로운 데이터 포인트마다 특정 클래스를 할당합니다. 이 경우 특정 클래스는 클러스터링 작업으로 인해 생성 된 그룹 일 수 있습니다. 그래프에서 강조 표시된 출력이 대상 세트를 정의 할 수 있습니다. 주어진 신규 고객에 대해 예측 분류 모델은 신규 고객이 속할 그룹을 예측하려고 시도합니다.

새로운 고객의 정보가 예측 분석 모델에 어떻게 전달되는지에 대한 예가 있습니다. 그러면이 새로운 고객이 속한 고객 그룹이 예측됩니다. 새로운 고객 A, B 및 C는 분류 모델에 따라 클러스터에 할당 될 예정입니다.

분류 모델을 적용하면 고객 A는 충성도가 높은 고객과 속해 있고 고객 B는 방랑자이고 고객 C는 할인에 대해서만 나타났습니다.

데이터의 특이점을 시각화하는 방법

신규 고객을 클러스터링하거나 분류하는 과정에서 기존의 부서에 맞지 않는 특별한 경우 인

특이점

을 실행합니다. 이 예에서 몇몇 아웃 라이어는 사전 정의 된 클러스터에 잘 맞지 않습니다. 6 명의 이상한 고객이 감지되고 시각화되었습니다. 그들은 모델이 고객이 정의 된 범주에 속하는지 여부를 알 수 없을만큼 다르게 행동합니다. (예를 들어, 할인에만 관심이있는 충성스러운 방황하는 고객과 같은 것이 있습니까? 그렇다면 비즈니스 케어가 필요합니까?)