Última Atualização 20 de fevereiro de 2021
QUESTÃO CERTA: Como técnica de Análise de Negócio a análise preditiva ajuda a determinar o resultado provável futuro para um evento ou a probabilidade de ocorrer uma situação.
Análise preditiva é a prática de extrair informações de conjuntos de dados, a fim de determinar padrões e resultados futuros.
A análise preditiva é o uso de dados, algoritmos estatísticos e técnicas de machine learning para identificar a probabilidade de resultados futuros com base em dados históricos.
O objetivo é ir além da estatística descritiva e dos relatórios sobre o que aconteceu para fornecer uma melhor avaliação sobre o que vai acontecer no futuro. O resultado final é a simplificação da tomada de decisão e a geração de novos insights que levem a melhores ações.
Os modelos preditivos utilizam os resultados conhecidos para desenvolver (ou treinar) um modelo que possa ser usado para prever valores para dados diferentes ou novos. Os resultados da modelagem em previsões que representam a probabilidade da variável-alvo (por exemplo, a receita) com base na importância estimada a partir de um conjunto de variáveis de entrada. Isso é diferente dos modelos descritivos, que ajudam a entender o que aconteceu, ou dos modelos de diagnóstico, que ajudam a entender as principais relações e a determinar por que algo aconteceu.
Um modelo preditivo é simplesmente uma função matemática que é capaz de aprender o mapeamento entre um conjunto de variáveis de entrada de dados, geralmente agrupadas em um registro, e uma variável de resposta ou de destino.
Nós nos referimos a este aprendizado como supervisionado porque, durante o treinamento, os dados são apresentados para um modelo preditivo com os dados de entrada e a saída ou resultado desejados. O treinamento é repetido até que o modelo aprenda a função de mapeamento entr e as entradas de dados e a saída desejada. Os exemplos de modelos preditivos usando aprendizagem supervisionada incluem redes neurais de retorno de propagação, máquinas de vetor de suporte e árvores de decisão. Um modelo de previsão também pode usar a aprendizagem não supervisionada. Neste caso, ele só é apresentado com os dados de entrada. Sua tarefa é, então, descobrir como os registros de dados de entrada diferentes se relacionam entre si. O armazenamento em cluster é o tipo mais comumente usado de modelo preditivo, que usa aprendizado não supervisionado.
NNs, SVMs (Support vector machines), árvores de decisão, regressão linear e logística, armazenamento em cluster, regras de associação e scorecards são as técnicas preditivas mais populares utilizadas por cientistas de dados atualmente para aprender os padrões ocultos dos dados
QUESTÃO CERTA: Modelagem preditiva são algoritmos e técnicas que utilizam dados para determinar resultados futuros.
QUESTÃO CERTA: Na mineração de dados preditiva, ocorre a geração de um conhecimento obtido de experiências anteriores para ser aplicado em situações futuras.
QUESTÃO CERTA: Em tarefas preditivas, o atributo a ser predito é conhecido como variável independente, enquanto que os atributos usados para fazer a predição são conhecidos como alvo.
QUESTÃO CERTA: Dados coletados de redes sociais podem ser armazenados, correlacionados e expostos com o uso de análises preditivas.
Sim, tanto dados estruturados de data warehouse quando dados não estruturados como post de rede social.
