Forbedre kvaliteten på numeriske forutsigelser (beta)

Når du ser gjennom en forutsigelses scorekort, får du en kvalitetsscore for forutsigelsen. Her er noen tiltak du kan forsøke for å forbedre kvaliteten hvis du ikke er fornøyd med den.

Hvis forutsigelseskvaliteten er god, er det godt! Det er ingen grunn til å forsøke å forbedre den, men sjekk scorekortet igjen fra tid til annen for å holde øye med kvaliteten. Hvis kvaliteten er god ved kjøring på dynamiske data (ikke anslåtte), er du sannsynligvis også alt i orden. Hvis forutsigelseskvaliteten derimot er ok, for lav eller for høy, leser du videre.

Legg først merke til om tittelen Forutsigelseskvalitet etterfølges av "(Anslått)" eller ikke. Hvis den gjør det, betyr det at du ikke har aktivert forutsigelsen ennå, eller at den er aktivert, men ennå ikke kjører på dynamiske data. Uansett er kvalitetsscoren anslått og basert på et delsett av eksempeldata. Det er typisk at kvaliteten vil gå ned når forutsigelsen begynner å kjøre på dynamiske data. Hvis forutsigelseskvaliteten for eksempel er flott, men anslått, bør du sjekke scorekortet på nytt etter cirka en måned for å se hvordan den er med dynamiske data.

• Innhente mer data. Det er absolutt ikke slik at alle kvalitetproblemer skyldes datamengden, men i noen tilfeller kan du forbedre kvaliteten ganske enkelt ved å vente til datasettet er større.
• Prøv å endre måten data segmenteres på. Du kan for eksempel påse at segmentet bare inneholder poster som er relevante for forutsigelsen. Hvis du har to distinkte datasett der hvert sett ville hatt nytte av en egen forutsigelse, oppretter du en egen forutsigelse for hvert segment.
• Pass på at eksempelsettet inneholder et representativt utvalg av tall som du vil forutsi. Se etter mulige kilder til forventningsskjevhet i datagrunnlaget som kan påvirke forutsigelsen.
• Pass på at du ikke utelukker felt som kan tilføre nyttige tilleggsdata.
• Hvis forutsigelseskvaliteten er for høy når den anslås (før forutsigelsen utføres på dynamiske data), er den sannsynligvis for god til å være sann. Se gjennom feltene som er inkludert i forutsigelsen. Virker noen av dem feilaktige, eller inneholder de data som ikke kunne vært kjent før etter hendelsen som forutsies? Utelukk i så fall disse feltene. Denne typen problem kalles etterkantskjevhet, "etterpåklokskap". Se også over de fremste prediktorene på scorekortet. Gir de mening? Hvis noen av dem ser gale ut, bør du vurdere å utelukke disse feltene.
• Vurder om brukstilfellet ditt egner seg for en numerisk forutsigelse (beta). Er det virkelig slik at du forutsier en tallverdi? Eller er det bare et tall som representerer en flervalgsverdi? Et felt som for eksempel tildeler et tall til hvert land som del av en valgliste, er ikke egentlig en numerisk forutsigelse.