Баттл твипов - Великолепные рисунки и - против - Создание предиктивных

От вас.

1. Описание (что, кто, кого, где, когда).

2. Референсы - примеры того, что понравилось или как-то поможет донести вашу идею, настроение, мысли.

3. Огурцы. Это, конечно не овощи, а просто набросок в стиле "палка-палка-огуречик", чтобы более понятно уяснить, кто и где стоит и что с какой стороны происходит. Но, при нормальном описании, это не обязательно.

От меня.

Я вникаю в ТЗ. Набрасываю эскиз. Согласовываем. Я работаю. Вы - получаете радующий результат, после чего говорите "шедевр!". И все довольны.

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных