<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Cette question fait suite à une question similaire posée plusieurs semaines auparavant. Disons que vous avez utilisé un ensemble de données historiques de clients inscriptions confirmées (variable dépendante) aux séries de produits que votre organisation fournit. Le modèle développé à l'aide de plusieurs variables d'entrée (variables indépendantes), par exemple, le nombre de commandes, le type de commande, le produit commandé, les produits ajoutés au panier, la fréquence du journal des appels, le type d'appel, la récence de l'appel, la référence d'un ami (RAF), la RAF Récence , Nombre de pages vues, Durée de la page (secondes), Type de produit de la page vue, Nombre de clics, Nombre de fois promu par courrier électronique, Nombre de fois promu par Direct Mail, # Contribution (Don), Type de don, Don $, Récence de don, etc.
Ainsi, le nombre d'inscriptions confirmées est une fonction {Var 1, Var 2, Var 3, Var 4, Var 5, Var 6, Var 7, Var 8, Var 8, Var 10, etc.}.
À la fin du processus de développement du modèle, j'ai enregistré la formule de prévision dans la table de données utilisée pour développer le modèle. Ainsi, la formule de prévision prédit le nombre d'inscriptions confirmées, comme décrit ci-dessus.
Maintenant, je veux utiliser ce modèle pour marquer un nouveau tableau de données avec des variables similaires. Ma question est la suivante: le nouveau tableau de données devrait-il avoir # d'effectifs confirmés dans le tableau ou le tableau devrait-il uniquement inclure les variables répertoriées dans la formule de prédiction? Ce que j’ai fait, c’est que puisque la formule de prévision prévoit # nombre d’enquêtes confirmées, elle contient en fait des estimations de coefficient pour chacune de ces variables et la réponse dans la formule de prévision, le nombre d’entrées confirmées dans le nouveau tableau de données devant être noté à l’aide de formule de prédiction serait auto-corrélée.
Je veux juste m'assurer que je fais la bonne chose. Tout avis d'expert serait apprécié.
Jenkins
Bonjour Karen, tu as bien compris le concept que j'ai décrit. Toutes les variables du nouveau tableau de données sont celles répertoriées dans la formule de prédiction. Ainsi, j'ai une colonne séparée, qui contient les inscriptions réelles; ce qui signifie, les inscriptions réelles pour chaque client, ce qui ne fait pas partie du scoring. Une colonne qui présente la formule de prédiction plus que les scores de toutes ces variables et le résultat est comparé en triant les scores du plus grand au plus petit et en les classant par décile. De cette façon, nous pouvons comparer / valider les performances du modèle par rapport au nouveau tableau de données noté à l'aide du modèle. Est-ce que cela a du sens?
Dans notre cas, nous avons utilisé le modèle pour attribuer 1,2 million de clients à l’aide de ses variables, obtenu ces colonnes de 1,2 million de personnes dans une colonne différente, trier les scores du modèle (ce qui n'incluait pas le nombre d'inscriptions confirmées). le modèle prédit, créez un décile en fonction des scores triés et tracez le graphique avec les effectifs réels et voyez comment chaque décile se comportait (c.-à-d. les effectifs prévus) par rapport à ses effectifs réels.
Si cela est correct, je fais ce qu'il faut. J'ai vu d'autres personnes le faire de cette façon et je veux juste partager quelques idées avec des gens comme vous et beaucoup d'autres ici pour apprendre de votre expertise et vous venez d'authentifier que je le fais bien.
Jenkins,
Si je comprends bien votre situation, vous avez une nouvelle table avec VARS (un certain nombre de prédicteurs), ENROLLMENTS PRÉVIS (c'est la colonne de votre formule qui utilise le VARS), puis ENTRÉES CONFIRMÉES (résultats mesurés réels). Votre tableau de données n'a pas besoin des inscriptions confirmées pour évaluer vos données à l'aide de votre formule de prévision (elle ne fait pas partie de la formule). Cependant, vous n'avez pas besoin de supprimer la colonne de votre table. Si votre objectif est de "tester" (valider, vérifier, etc.) votre modèle, vous souhaitez comparer vos résultats réels (CONFIRMED) aux prévisions et voir comment "bien" votre modèle est exécuté. Pour cela, vous avez besoin de la colonnes confirmées. Notez que "bien" est indiqué entre guillemets, car ce qui est bon dans un contexte peut être mauvais dans un autre (risque / avantage que votre prédiction soit correcte ou non).
Karen
