Uru:
- Ikike ịkọwa ụdị nsogbu ahụ (nhazi, nlọghachi azụ, nchịkọta) na njirisi ịga nke ọma dịka ezigbo ụgwọ ọrụ ahụ si dị.
- Ikike iji kesaa data ahụ n'eziokwu (na-emetụghị ihe nlele ule ahụ aka; n'usoro oge na usoro oge) wee guzobe ntọala nyocha na-enweghị nkwụsị.
- Ikike ịhọrọ ihe atụ nwere ike ịkọwa site na ịmalite site na ntọala dị mfe na ịgbakwunye mgbagwoju anya naanị mgbe ọ kwesịrị ya.
Ka ọ dị ugbu a, anyị achịkọtala data, hichaa ya, nyochaa ya ma mepụta atụmatụ. Ugbu a, anyị na-abịa n'ezie ọrụ, na-ewu ihe nlereanya. Ihe nlereanya bụ usoro mgbakọ na mwepụ nke na-amụta ụkpụrụ site na data ma na-emepụta amụma maka ọnọdụ ọhụrụ. Ma akụkụ kachasị mkpa nke ịmepụta ihe nlereanya abụghị koodu n'onwe ya, ma mkpebi abụọ na-ebute ya ụzọ: ịkọwa nsogbu ziri ezi na kewaa data ahụ n'ụzọ ziri ezi. AI bụ onye ndụmọdụ siri ike na nhọrọ algọridim, ide koodu, na nlegharị anya paramita; ma ọ bụ otu onye ga-ekpebi ihe ọ ga-ebu amụma na ihe ịga nke ọma pụtara. Nsogbu akọwapụtaghị nke ọma agaghị arụ ọrụ ọbụlagodi na ụdị ederede zuru oke.
Nkọwa nsogbu mbụ: gịnị ka anyị na-ebu amụma
Ọrụ nhazi ọ bụla na-amalite site na ajụjụ, ajụjụ a na-ekpebi ụdị ihe nlereanya. Nhazi — mmepụta bụ udi: "Onye ahịa a ọ ga-ahapụ ma ọ bụ nọrọ?", "Azụmahịa a ọ bụ adịgboroja?". Regression (na English regression - mmepụta bụ nọmba): "Ego ka ụlọ a bara?", "Ole iwu ole ga-abịa n'ọnwa na-abịa?". Ịchịkọta (na-ekewa data na-edeghị aha n'ime otu eke): "Ole akụkụ nke eke kewara ndị ahịa m?".
Akụkụ nke abụọ nke nkwupụta nsogbu ahụ bụ njirimara ịga nke ọma: kedu ihe ọ pụtara maka ihe nlereanya a ka ọ bụrụ "ezigbo"? N'ụdị aghụghọ, ịhapụ onye wayo dị oke ọnụ karịa igbochi onye ahịa na-akwụwa aka ọtọ na mberede; Ya mere, ọ bụghị "nzizi zuru oke" kama "ọnụego nke ijide ndị wayo" na-apụta n'ihu. Ọ bụrụ na ị kọwaghị ụkpụrụ a site na mmalite, yana onye nwe azụmahịa, ị ga-ejedebe na ụdị "ezigbo nke ọma" nke na-adịghị arụ ọrụ (anyị ga-abanye n'ime metrics na nkeji 7).
Ịkpachara anya: "Izizi" nwere ike iduhie. Ọ bụrụ na 10 n'ime 1000 azụmahịa bụ aghụghọ, ụdị nzuzu nke na-ekwu "ọ dịghị onye na-aghọ aghụghọ" ga-enye 99% ziri ezi ma ọ gaghị ejide otu onye wayo. Họrọ njirisi ịga nke ọma dabere na ọnụ ahịa nsogbu ahụ n'ezie.
Ọzụzụ / nkewa ule: nyocha eziokwu nke ihe nlereanya
Iji data ọ mụtara na-anwale ihe nlereanya dị ka ịjụ nwa akwụkwọ ahụ otu ajụjụ ndị ọ gụrụ na ule; Ọ na-enweta akara dị elu mana ọ naghị egosi ihe ọ maara n'ezie. Ya mere, anyị na-ekewa data ahụ ụzọ abụọ (mgbe atọ):
- Ntọala ọzụzụ (nhazi ọzụzụ na Bekee, na-abụkarị 70-80%): Ihe nlereanya na-amụta na nke a.
- Nlele ule (nlele ule, na-abụkarị 20-30%): Ụdị ahụ anaghị ahụ nke a ma ọlị; a na-atụle ezigbo arụmọrụ ebe a.
- Ntọala nkwado: Usoro etiti ejiri maka ntọala ụdị (nke oke ka mma); idobe ihe nlele ule "ọ dị ọcha".
Iwu kachasị mkpa: a naghị emetụ ihe nlele ule n'oge ọzụzụ. Scaling, nzuzo, nhọrọ njirimara - a na-amụta ihe niile site na nhazi ọzụzụ, wee tinye ya na nnwale (ụkpụrụ ntapụ sitere na nkeji 5). Nnwale ule bụ oge mbụ ihe nlereanya ahụ na-ahụ ụwa n'ezie; Ọ bụrụ na ịgbanye ya ngwa ngwa, ị gaghị ama ezigbo arụmọrụ.
Ewepụ usoro oge: Ọ bụrụ na data gị dabere na oge (ire ahịa, ahịa ngwaahịa, ọchịchọ), nkewa na-enweghị usoro adịghị eme. N'ihi na nkewa na-enweghị usoro na-eme ka ihe nlereanya ahụ hụ ọdịnihu ma buru amụma ihe gara aga - nke a bụ ntapu. Kama, kewaa usoro oge: jiri oge ochie zụọ, jiri oge ọhụrụ nwalee.
Nhọrọ Algorithm: site na mfe ruo mgbagwoju anya
Ihe mmejọ kachasị nke ndị mbido bụ ịmalite na ụdị mgbagwoju anya. Ụzọ ziri ezi bụ ihe dị iche: buru ụzọ guzobe usoro ntọala dị mfe. "na-echekarị ndị ka n'ọnụ ọgụgụ" na nhazi ọkwa; "na-atụle ihe ọ pụtara mgbe niile" na nlọghachi azụ. Ụdị nzuzu a na-enye ihe ndabere; Ọ bụrụ n'ezie ụdị gị enweghị ike ịgafe nke a, enwere nsogbu. Mgbe ahụ gaa n'ihu na ụdị dị mfe na nke nwere ike ịkọwa.
ihe nlereanya
Ụdị nsogbu
isi ihe siri ike
adịghị ike
Ntọala (ọtụtụ/nkezi)
ha abụọ
Na-enye benchmark
adịghị amụta
Logistic nlọghachi azụ
Nhazi
Dị mfe, enwere ike ịkọwa
Naanị mmekọrịta ahịrị
Ntughari ahịrị
nlọghachi azụ
Dị mfe, ngwa ngwa
linear echiche
osisi mkpebi
ha abụọ
nwere ike ịkọwa
Mfe n'isi
random ọhịa
ha abụọ
Dị ike, na-adịgide adịgide
Obere nkọwa
Nkwalite gradient (XGBoost wdg)
ha abụọ
ike dị ukwuu
Ọ siri ike ịhazigharị, ihe ize ndụ nke iburu n'isi
Iwu: họrọ ụdị kachasị mfe "dị mma". Ịkọwa ihe bara uru karịa ike n'ọtụtụ ọnọdụ azụmahịa; Ọ ka mma ịkọwa njụta mbinye ego "n'ihi na oke ụgwọ gị na-akpata dị elu" karịa "n'ihi na igbe ojii kwuru."
Obere ikpe atọ
Ikpe 1 - Nkọwa nsogbu ezighi ezi. Otu otu wuru ụdị nhazi ọkwa dabere na "nwere afọ ojuju onye ahịa" mana ọ họọrọ "ezigbo" dị ka ọkwa ịga nke ọma. Na data, 88% nke ndị ahịa nwere afọ ojuju; Ihe nlereanya ahụ nwetara izi ezi 88% site n'ịkpọ onye ọ bụla "afọ juru" na ọ dịghị mgbe ọ nwụnahụrụ ndị ahụ enweghị afọ ojuju - n'agbanyeghị na ebumnuche bụ ịchọta ha. Ihe nkuzi: họrọ njirisi ịga nke ọma dabere na ezigbo ebumnuche.
Ikpe 2 - oge ntapu na ngalaba. N'ime ọrụ ibu amụma chọrọ, e kewara data na enweghị usoro. Ihe nlereanya ahụ nyere 93% ziri ezi ma daa na mmepụta n'ihi na ọzụzụ ọ buru amụma na Jenụwarị, mgbe ahụ Nọvemba, na data December - ọ hụla ọdịnihu. Mgbe anyị tụgharịrị gaa na nkewa oge, arụmọrụ ahụ ruru 74%. Ihe ọmụmụ: nkewa oge na usoro oge.
Ikpe 3 - mgbagwoju anya na-enweghị isi. Otu onye nyocha malitere ozugbo site na netwọk akwara miri emi, dezie ya ruo izu, wee nweta izi ezi 81%. Mgbe ahụ, onye ọrụ ibe nwetara 80% nwere ahịrị 20 nke mgbagha mgbagha - ngwa ngwa, enwere ike ịkọwa na ọ dị mfe idowe. Ihe nkuzi: malite na ntọala na ihe nlereanya dị mfe, gbakwunye mgbagwoju anya mgbe ọ kwesịrị ya.
Ndebiri anọ enwere ike iṅomi
1) Kọwaa nkọwa nsogbu ahụ:
Ọrụ gị: onye ndụmọdụ ịṅomi. Nyere m aka ịkọwa ọrụ a: "Achọrọ m ibelata ntachi obi ndị ahịa." Jụọ m ma dokwuo anya: (1) nke a bụ nhazi ọkwa ma ọ bụ nlọghachi azụ, (2) kpọmkwem ihe a na-achọsi ike na otú e kwesịrị isi kọwaa ya, (3) gịnị kwesịrị ịbụ njedebe ihe ịga nke ọma na ihe kpatara ya. Mkpebi bụ nke m; ị na-eweta ajụjụ na nhọrọ.
2) Oghere ọzụzụ/nnwale nchekwa:
Kewaa df m n'ime ọzụzụ / nnwale 80%/20%. Jikwaa nkesa klaasị (stratify).random_state=42. Nke a abụghị usoro oge (nleba anya n'onwe ya). Bipụta ogo klaasị nke ọ bụla setịpụchara nkewa. Naanị nye koodu nkewa ahụ na nhazi ule na-etinyeghị mgbanwe ọ bụla.
3) Nkewa oge usoro oge:
Data dabere na oge (kọlụm ụbọchị: order_date). Ọ BỤGHỊ usoro, kewaa usoro oge: ọzụzụ 80% kacha ochie, nnwale 20% kacha ọhụrụ. Bipụta oge ọzụzụ na ule ụbọchị ka m wee chọpụta na ọdịnihu agbasabeghị.
4) Ịtọ ntọala ntọala:
Enwere m nsogbu nhazi ọkwa (ebumnuche: churn 0/1). Buru ụzọ guzobe ntọala: tụọ ọzụzụ/nnwale izi ezi na DummyClassifier, nke na-ebu amụma oge niile klaasị. Mgbe ahụ zụọ mgbagha mgbagha dị mfe ma tụle ma ọ gbagoro n'usoro. Gosi metrik abụọ n'akụkụ n'akụkụ.
Ngwa ngwa adịghị ike / Ike siri ike
Ngwa ngwa adịghị ike:
Jiri data a wuo ihe nlereanya kacha mma.
"Kachasị mma" bụ enweghị nkọwa; Enweghị ụdị nsogbu, enweghị ebumnuche, enweghị njirisi ịga nke ọma na enweghị atụmatụ nkewa. AI na-emepụta usoro enweghị usoro, ikekwe na-agbapụta.
Mgbasa ozi siri ike:
Ọrụ gị: onye inyeaka nṅomi. Nsogbu: nhazi ọkwa, ebumnuche "churn" (0/1), enwere ahaghị nhata klaasị (~ 12% churn). Ngosipụta ihe ịga nke ọma: Icheta ndị na-akpachapụ anya bụ ihe kacha mkpa. Nleba anya data onwe ya (ọ bụghị usoro oge). Ọrụ: (1) 80/20% stratified split, (2) DummyClassifier baseline, (3) mgbagha mgbagha, mgbanwe niile na pipeline ma mụta naanị site na ọzụzụ. Emetụkwala ihe nlele ule tupu ikewa.
Ebe a ụdị nsogbu, ahaghị nhata, criterion na ntapu ihe doro anya.
Mmejọ ndị nkịtị
- Ọ bụghị ịhọrọ njirisi ihe ịga nke ọma dịka ezigbo ebumnuche si dị. "Izizi" na data na-ezighi ezi na-eduhie eduhie; Ọ bụrụ na ịchọrọ ijide klaasị pere mpe, cheta na-abịa n'ihu.
- Imetụ setịpụ ule n'oge ọzụzụ. Ime scaling/encoding tupu kewaa bụ leaky na-ezokwa ezigbo arụmọrụ.
- Nkewa nke enweghị usoro n'usoro oge. Ihe nlereanya ahụ na-ahụ ọdịnihu, daa na mmepụta; Nkewa oge oge dị mkpa.
- Ịbanye n'ime ụdị mgbagwoju anya na-enweghị ịtọ ntọala. Enweghị akara ngosi, ị gaghị ama ma ihe nlereanya ọ dị mma ma ọ bụ na ọ bụghị.
- Na-eleghara nghọta anya. Na mkpebi azụmahịa, ihe nlereanya dị mfe na-akọwakarị na-adịkarị ọnụ ahịa karịa igbe ojii.
NDỤMỌDỤ: Tupu ịmalite ịmepụta ihe nlereanya, dee otu ahịrịokwu: "Ihe nlereanya a ga-ebu amụma ______, a ga-atụle ihe ịga nke ọma ya site na metric ______, n'ihi na ezi ego nke ọrụ ahụ bụ ______." Ọ bụrụ na ịnweghị ike dejupụta ahịrịokwu a, ị dịbeghị njikere ide koodu.
Na nchịkọta
Akụkụ kachasị mkpa nke ịmepụta ihe nlereanya abụghị koodu ahụ, ma mkpebi ndị na-ebute ya ụzọ: ịkọwa nsogbu ziri ezi (nhazi ma ọ bụ nlọghachi azụ, gịnị bụ ihe mgbaru ọsọ, gịnị bụ akara ngosi ihe ịga nke ọma) na kewaa data ahụ n'ụzọ ziri ezi (na-enweghị imetụ ihe nlele ule; usoro oge na usoro oge). Na-amalite mgbe niile site na ntọala dị mfe ma tinye mgbagwoju anya naanị mgbe ọ kwesịrị ya; A na-eji nkọwapụta ọnụ ahịa karịa ike n'ọtụtụ ọnọdụ azụmahịa. AI bụ onye ndụmọdụ siri ike na nhọrọ algorithm na koodu, mana mmadụ na-ekpebi ihe ị na-ebu amụma na ihe kpatara ya.
Ọrụ ngwa
Kọwaa nsogbu amụma wee mezue ahịrịokwu na-esonụ na ederede: "Ihe nlereanya a ga-ebu amụma ____ (nhazi / nlọghachi azụ), ebumnuche bụ ____, ihe ịga nke ọma bụ ____ n'ihi na ____." Wee were atụmatụ ziri ezi kewaa data ahụ (usoro oge ma ọ bụrụ na ọ bụ usoro oge), guzobe usoro ntọala, wee tụọ ma ụkpụrụ dị mfe na-agbaji usoro ntọala ahụ.
ndetu
- [] A kọwawo m nke ọma ụdị nsogbu ahụ (nkewa / nlọghachi azụ) na ebumnuche?
- [ ] Ahọpụtala m usoro ihe ịga nke ọma dabere na ụgwọ ọrụ ahụ n'ezie?
- [ ] Did I leave the test set untouched during training?
- [ ] Ọ bụrụ na ọ bụ usoro oge, m kewara ya n'usoro oge?
- [] Enwere m ntọala ntọala tupu m aga n'ihu na ụdị mgbagwoju anya?