<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Dies ist eine Folgefrage zu einer ähnlichen Frage, die vor Wochen gestellt wurde. Angenommen, Sie haben eine Reihe historischer Daten von Kunden verwendet bestätigte Einschreibungen (abhängige Variable) zu einer Reihe von Produkten, die Ihr Unternehmen anbietet. Das Modell, das mit mehreren Eingangsvariablen (unabhängige Variablen) entwickelt wurde, z. B. Anzahl der Bestellungen, Bestellart, bestellte Produkte, in den Einkaufswagen hinzugefügte Produkte, Anrufprotokollfrequenz, Anrufart, Anrufweiterleitung, RAF-Empfehlung, RAF-Empfang , # Seitenzugriffe, Zeit auf Seite (Sekunden), Seitenzugriffsart, # Klicks, # Durch E-Mail aufgerufene Zeiten, # Durch Direktwerbung aufgerufene Zeiten, # Beitrag (Spende), Spendentyp, Spende $, Spendenempfang usw.
# Bestätigte Einschreibungen sind also eine Funktion {Var 1, Var 2, Var 3, Var 4, Var 5, Var 6, Var 7, Var 8, Var 8, Var 10, usw.}.
Am Ende des Modellentwicklungsprozesses habe ich die Vorhersageformel in der Datentabelle gespeichert, in der das Modell entwickelt wurde. Somit sagt die Vorhersageformel # bestätigte Einschreibungen voraus, wie oben beschrieben.
Nun möchte ich dieses Modell verwenden, um neue Datentabellen mit ähnlichen Variablen zu bewerten. Meine Frage ist, sollte die neue Datentabelle # Registrierungen in der Tabelle bestätigt haben, oder sollte die Tabelle nur die Variablen enthalten, die in der Vorhersageformel aufgeführt sind? Was ich getan habe, ist, dass, da die Vorhersageformel # bestätigte Registrierungen vorhersagt, die tatsächlich Koeffizientenschätzungen für jede dieser Variablen und die Antwort in der Vorhersageformel enthält, # die Registrierung in der neuen Datentabelle bestätigt hat, die mithilfe von bewertet werden soll Vorhersageformel würde automatisch korrelieren.
Ich möchte nur sicherstellen, dass ich das Richtige tue. Jeder fachkundige Rat wird gebeten.
Jenkins
Hallo Karen, du hast das Konzept richtig verstanden, wie ich es beschrieben habe. Alle Variablen in der neuen Datentabelle sind die in der Vorhersageformel aufgeführten. Daher habe ich eine eigene Spalte, die die tatsächlichen Einschreibungen enthält. Dies bedeutet, dass die tatsächlichen Einschreibungen für jeden Kunden nicht Teil der Bewertung sind. Eine Spalte, die über die Vorhersageformel verfügt, bewertet alle diese Variablen und das Ergebnis wird verglichen, indem die Bewertungen nach dem größten und kleinsten Wert sortiert und in Dezil sortiert werden. Auf diese Weise können wir die Modellleistung mit der neuen Datentabelle vergleichen / validieren, die mit dem Modell bewertet wurde. Ist das sinnvoll?
In unserem Fall haben wir das Modell verwendet, um 1,2 Millionen Kunden mit den Variablen des Modells zu bewerten. Die tatsächlichen Registrierungen dieser 1,2 Millionen Benutzer wurden in einer anderen Spalte angezeigt. Sortieren Sie die Modellbewertungen (die # nicht bestätigte Registrierungen enthielten), denn das ist was Wenn das Modell vorhergesagt hat, erstellen Sie ein Dezil auf der Grundlage der sortierten Bewertungen und stellen Sie die Entscheidung mit den tatsächlichen Einschreibungen dar. Außerdem können Sie sehen, wie jedes Dekil (dh vorhergesagte Einschreibungen) gegenüber den tatsächlichen Einschreibungen durchgeführt wurde.
Wenn das richtig ist, dann mache ich das Richtige. Ich habe gesehen, wie andere es so machen, und möchte nur ein paar Erkenntnisse mit Leuten wie Ihnen und vielen anderen hier draußen teilen, um von Ihrem Fachwissen zu lernen, und Sie authentisieren nur, dass ich es richtig mache.
Jenkins,
Wenn ich Ihre Situation richtig verstehe, haben Sie eine neue Tabelle mit VARS (einige Anzahl von Prädiktoren), PREDICTED ENROLLMENTS (dies ist Ihre Formelspalte, die die VARS verwendet) und dann CONFIRMED ENROLLMENTS (wahre Messergebnisse). Für Ihre Datentabelle sind keine bestätigten Registrierungen erforderlich, um Ihre Daten anhand Ihrer Vorhersageregel zu bewerten (sie ist nicht Teil der Formel). Sie müssen die Spalte jedoch nicht aus Ihrer Tabelle entfernen. Wenn Ihr Ziel darin besteht, Ihr Modell zu "testen" (zu überprüfen, zu überprüfen usw.), möchten Sie Ihre tatsächlichen Werte (BESTÄTIGEN) mit den Vorhersagen vergleichen und sehen, wie "gut" Ihr Modell ist. Dazu benötigen Sie sowohl die Vorhersagen als auch bestätigte Spalten. Beachten Sie, dass "gut" in Anführungszeichen steht, da das, was in einer Einstellung gut ist, in einer anderen Situation schlecht sein könnte (Risiko / Nutzen Ihrer Prognose, ob dies richtig ist oder nicht).
Karen
