Mejorar la calidad de predicciones numéricas (Beta)

Al revisar la tarjeta de puntuaje de su predicción, obtiene un puntuaje de calidad de predicción. Si no está satisfecho con la calidad, estos son algunos pasos que puede realizar para mejorarla.

Si su calidad de predicción es excelente.... ¡genial! No es necesario intentar mejorarla, pero vuelva a consultar su tarjeta de puntuaje de vez en cuando para estar al tanto de la calidad. Si la calidad es correcta cuando se ejecuta en datos en vivo (no estimado), también estará probablemente preparado. Si, por el otro lado, su calidad de predicción es correcta, demasiado baja o demasiado alta, siga leyendo.

En primer lugar, observe si el título Calidad de predicción dice “(Estimado)” o no. Si es así, significa que aún no activó su predicción o que está activada pero aún no está ejecutada en datos en vivo. De cualquiera de las maneras, el puntuaje de calidad se estima, en base a un subconjunto de sus datos de ejemplo. Es habitual que la calidad caiga tras la ejecución de la predicción en datos en vivo. Por ejemplo, si su calidad de predicción es correcta pero estimada, vuelva a consultar la tarjeta de puntuaje dentro de un mes más o menos para ver el desempeño con datos en vivo.

• Recopile más datos. Por cierto, no todos los problemas de calidad son debidos a la cantidad de datos, pero en algunos casos puede mejorar la calidad simplemente esperando a que su conjunto de datos sea más completo.
• Intente cambiar el modo en que se segmentan sus datos. Por ejemplo, asegúrese de que su segmento incluye solo registros relevantes para su predicción. Si tiene dos conjuntos de datos diferentes que se benefician cada uno de tener su propia predicción, cree una predicción separada para cada segmento.
• Asegúrese de que su conjunto de ejemplo incluye un intervalo representativo de números que desea predecir. Busque posibles orígenes de sesgos en sus datos que podrían influir en su predicción.
• Asegúrese de no excluir ningún campo que podría proporcionar datos adicionales y útiles.
• Si la calidad de su predicción es demasiado alta cuando se estima (antes de que se ejecute en datos en vivo), es probablemente demasiado buena para ser verdadera. Revise los campos incluidos en su predicción. ¿Alguno de ellos parece erróneo o contiene datos que no se podrían conocer hasta después de la predicción del evento? Si es así, excluya esos campos. Este tipo de problema se denomina sesgo de visión. También eche un vistazo a los Predictores principales en la tarjeta de puntuaje. ¿Tienen sentido? Si alguno de ellos parece erróneo, considere excluir esos campos.
• Considere si su caso de uso es un buen configurador para una predicción numérica. ¿Está realmente prediciendo un valor numérico? ¿O bien es solo un número que representa un valor de múltiples opciones? Por ejemplo, un campo que asigna un número a cada país como parte de una lista de selección no es realmente una predicción numérica.