SHARE THE ARTICLE ON
Möglicherweise sind die wichtigsten Fortschritte bei der Datenvorverarbeitung die Erkennung und Berücksichtigung von Ausreißern, da diese die messbare Analyse und den Vorbereitungszyklus einer KI-Berechnung negativ beeinflussen können, was zu einer geringeren Genauigkeit führt.
Die Durchführung von Sondierungs Forschung scheint schwierig zu sein, aber ein effektiver Leitfaden kann helfen.
In der prädiktiven Analytik sind Ausreißer Werte innerhalb eines Datensatzes, die außergewöhnlich von den anderen abweichen – sie sind entweder viel größer oder wesentlich bescheidener. Ausreißer können auf Unstimmigkeiten in einer Schätzung, auf Fehler bei der Erkundung oder auf Neugierde hinweisen. In einem nachweisbaren Modell ist die normale Statur einer Giraffe etwa 16 Fuß groß. In jedem Fall gibt es immer wieder Enthüllungen über zwei Giraffen, die 9 Fuß und 8,5 Fuß groß sind, getrennt voneinander. Diese beiden Giraffen würden als Ausreißer im Vergleich zur Gesamtpopulation der Giraffen betrachtet.
Bei der Durchführung von prädiktiven Analysen können Ausreißer zu Besonderheiten bei den erzielten Ergebnissen führen. Dies bedeutet, dass sie eine besondere Betrachtung erfordern und manchmal herausgenommen werden sollten, um Informationen erfolgreich aufzuschlüsseln.
Es gibt zwei Hauptgründe, warum die besondere Berücksichtigung von Ausreißern ein wesentlicher Bestandteil des Informations Analyseprozesses ist:
Unabhängig von der Branche und der Informationsquelle sollte ein System zur Erkennung von Ausreißern ein breites Spektrum von Ausreißern in Zeitreihen Informationen aufspüren, und zwar kontinuierlich und in einer Größenordnung von Millionen von Messungen.
Ausreißer- und Ausreißer Ortungs Berechnungen sind in der wissenschaftlichen Gemeinschaft erforscht worden und haben in letzter Zeit begonnen, sich als Geschäfts Verwaltungsprogramme sowie als Open-Source-Programmierung zu öffnen. Alle beruhen auf faktischen und KI-Berechnungen und bestimmten Strategien, z. B. ARIMA, Holt-Winters, dynamischen Zustandsraummodellen (HMM), PCA-Analysen, LSTMs und RNNs und einigen mehr. Neben den Basis Berechnungen gibt es zahlreiche zusätzliche Überlegungen beim Aufbau eines solchen Rahmens.
Eine ausführliche Anleitung zur Erstellung eines solchen Frameworks wird in dem 3-teiligen Whitepaper zur Unregelmäßigkeit Erkennung dargestellt. Die wichtigsten Schritte, die für alle Basis Berechnungen zur Ermittlung von Ausreißern wesentlich sind und die bei der Erkennung der verschiedenen Arten von Ausreißern helfen, sind:
Ausreißer sind regelmäßig auffällige Begleiterscheinungen grundlegender Probleme, die man schnell beheben möchte. Allerdings sind diese Nebeneffekte nur so offensichtlich, wie Ihr Rahmenwerk zur Ausreißererkennung sie erscheinen lässt.
Es mag normal erscheinen, Ausreißer als Bestandteil des Informations Reinigungsprozesses eliminieren zu müssen. Doch in Wirklichkeit ist es ab und zu besser, ja sogar absolut wichtig, Ausreißer in Ihrem Datensatz zu behalten.
Die Eliminierung von Ausreißern ausschließlich aufgrund ihrer Position innerhalb der Grenzen Ihres Datensatzes kann zu Unregelmäßigkeiten in Ihren Ergebnissen führen, die für Ihre Ziele als Datenanalytiker kontraproduktiv wären. Diese Unregelmäßigkeiten könnten dazu führen, dass der Analyse eine geringere Bedeutung beigemessen wird
See Voxco survey software in action with a Free demo.
Im Folgenden werden die Schritte zum Umgang mit den Ausreißern beschrieben;
Über Ausreißer wird beim Testen nicht häufig gesprochen, aber abhängig von Ihrem Unternehmen und der Messung, die Sie verbessern, könnten sie Ihre Ergebnisse beeinflussen.
Ein paar hohe Werte in einer kleinen Beispielgröße können einen Test völlig aus dem Ruder laufen lassen und Sie dazu bringen, sich für eine Entscheidung zu entscheiden, die auf fehlerhaften Informationen beruht.
Tatsächlich gibt es jedoch viele Möglichkeiten, mit Ausreißern in Informationen umzugehen. Es gibt keine bequeme Lösung, die in jeder Hinsicht funktioniert, weshalb das Interesse an guten Experten immer größer wird.
Letztendlich lässt sich die grundlegende Entscheidung über die Ausreißer wie folgt zusammenfassen:
„Ein bestimmter Ausreißer kann das sein, was seine Analyse am meisten stört, kann aber im Großen und Ganzen auch das sein, wonach man sucht.“
Read more
We use cookies in our website to give you the best browsing experience and to tailor advertising. By continuing to use our website, you give us consent to the use of cookies. Weiterlesen
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
hubspotutk | www.voxco.com | HubSpot functional cookie. | 1 year | HTTP |
lhc_dir_locale | amplifyreach.com | --- | 52 years | --- |
lhc_dirclass | amplifyreach.com | --- | 52 years | --- |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
_fbp | www.voxco.com | Facebook Pixel advertising first-party cookie | 3 months | HTTP |
__hstc | www.voxco.com | Hubspot marketing platform cookie. | 1 year | HTTP |
__hssrc | www.voxco.com | Hubspot marketing platform cookie. | 52 years | HTTP |
__hssc | www.voxco.com | Hubspot marketing platform cookie. | Session | HTTP |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
_gid | www.voxco.com | Google Universal Analytics short-time unique user tracking identifier. | 1 days | HTTP |
MUID | bing.com | Microsoft User Identifier tracking cookie used by Bing Ads. | 1 year | HTTP |
MR | bat.bing.com | Microsoft User Identifier tracking cookie used by Bing Ads. | 7 days | HTTP |
IDE | doubleclick.net | Google advertising cookie used for user tracking and ad targeting purposes. | 2 years | HTTP |
_vwo_uuid_v2 | www.voxco.com | Generic Visual Website Optimizer (VWO) user tracking cookie. | 1 year | HTTP |
_vis_opt_s | www.voxco.com | Generic Visual Website Optimizer (VWO) user tracking cookie that detects if the user is new or returning to a particular campaign. | 3 months | HTTP |
_vis_opt_test_cookie | www.voxco.com | A session (temporary) cookie used by Generic Visual Website Optimizer (VWO) to detect if the cookies are enabled on the browser of the user or not. | 52 years | HTTP |
_ga | www.voxco.com | Google Universal Analytics long-time unique user tracking identifier. | 2 years | HTTP |
_uetsid | www.voxco.com | Microsoft Bing Ads Universal Event Tracking (UET) tracking cookie. | 1 days | HTTP |
vuid | vimeo.com | Vimeo tracking cookie | 2 years | HTTP |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
__cf_bm | hubspot.com | Generic CloudFlare functional cookie. | Session | HTTP |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
_gcl_au | www.voxco.com | --- | 3 months | --- |
_gat_gtag_UA_3262734_1 | www.voxco.com | --- | Session | --- |
_clck | www.voxco.com | --- | 1 year | --- |
_ga_HNFQQ528PZ | www.voxco.com | --- | 2 years | --- |
_clsk | www.voxco.com | --- | 1 days | --- |
visitor_id18452 | pardot.com | --- | 10 years | --- |
visitor_id18452-hash | pardot.com | --- | 10 years | --- |
lpv18452 | pi.pardot.com | --- | Session | --- |
lhc_per | www.voxco.com | --- | 6 months | --- |
_uetvid | www.voxco.com | --- | 1 year | --- |