<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Esta es una pregunta de seguimiento a una pregunta similar hecha hace semanas. Digamos que usaste un conjunto de datos históricos de clientes Inscripciones confirmadas (variable dependiente) A la serie de productos que su organización proporciona. El modelo que se desarrolló utilizando varias variables de entrada (variables independientes), por ejemplo, número de pedidos, tipo de pedido, producto pedido, productos agregados al carrito, frecuencia de registro de llamadas, tipo de llamada, frecuencia de llamada, consulte a un amigo (RAF), frecuencia de RAF , # Páginas vistas, Tiempo en la página (segundos), página vista tipo de producto, # clics, # Tiempos promocionados por correo electrónico, # Tiempos promocionados por correo directo, # Contribución (donación), tipo de donación, donación $, frecuencia de donación, etc.
Por lo tanto, # inscripciones confirmadas es una función {Var 1, Var 2, Var 3, Var 4, Var 5, Var 6, Var 7, Var 8, Var 8, Var 10, etc}.
Al final del proceso de desarrollo del modelo, guardé la fórmula de predicción en la tabla de datos utilizada para desarrollar el modelo. Por lo tanto, la fórmula de predicción está prediciendo # inscripciones confirmadas como se describe anteriormente.
Ahora, quiero usar este modelo para puntuar una nueva tabla de datos con variables similares. Mi pregunta es, ¿la nueva tabla de datos debe tener # inscripciones confirmadas en la tabla, o la tabla solo debe incluir aquellas variables que se enumeran en la fórmula de predicción? Lo que he hecho es que, dado que la fórmula de predicción está prediciendo # inscripciones confirmadas, que en realidad contiene estimaciones de coeficientes para cada una de esas variables y la respuesta en la fórmula de predicción, tiene # inscripciones confirmadas en la nueva tabla de datos que se calificará usando la La fórmula de predicción se correlacionaría automáticamente.
Solo quiero asegurarme de que estoy haciendo lo correcto. Cualquier consejo experto sería apreciado.
Jenkins
Hola Karen, entendiste el concepto correctamente como lo describí. Todas las variables en la nueva tabla de datos son aquellas enumeradas en la fórmula de predicción. Por lo tanto, tengo una columna separada, que contiene las inscripciones reales; Es decir, inscripciones reales por cada cliente, que no es parte de la puntuación. Una columna que tiene la fórmula de predicción que califica todas esas variables y el resultado se compara clasificando las puntuaciones de mayor a menor y clasificándolas en deciles. De esa manera, podemos comparar / validar el rendimiento del modelo con la nueva tabla de datos que se calificó utilizando el modelo. ¿Eso tiene sentido?
En nuestro caso, utilizamos el modelo para puntuar 1.2 millones de clientes que utilizan las variables del modelo, obtuvimos las inscripciones reales de esos 1,2 millones de personas en una columna diferente, ordenamos las puntuaciones del modelo (que no incluyeron # inscripciones confirmadas), porque eso es lo que el modelo predice, cree deciles según los puntajes ordenados y grafique la decisión con las inscripciones reales y vea cómo se realizó cada decil (es decir, inscripciones pronosticadas) contra sus inscripciones reales.
Si esto es correcto, entonces estoy haciendo lo correcto. He visto a otros hacerlo de esta manera y solo quiero compartir algunas ideas con gente como usted y muchos otros aquí para aprender de su experiencia y usted simplemente se autentica que lo estoy haciendo bien.
Jenkins,
Si entiendo su situación correctamente, tiene una nueva tabla con VARS (un número de predictores), INSCRIPCIONES PREDICADAS (esta es la columna de su fórmula que usa el VARS) y luego las INSCRIPCIONES CONFIRMADAS (resultados medidos verdaderos). Su tabla de datos no necesita las inscripciones confirmadas para calificar sus datos usando su fórmula de predicción (no es parte de la fórmula). Sin embargo, no es necesario eliminar la columna de la tabla. Si su objetivo es "probar" (validar, verificar, etc.) su modelo, entonces querrá comparar sus datos reales (CONFIRMADOS) con lo predicho y ver qué tan bueno es el rendimiento de su modelo, por lo que necesitará tanto el valor predicho como el columnas confirmadas Tenga en cuenta que "bueno" está entre comillas, ya que lo que es bueno en una configuración podría ser malo en otra (riesgo o beneficio de que su predicción sea correcta o no).
Karen
