Vergleichen von Vorhersagen für Modelle zur Planungserstellung (Data Mining-Lernprogramm für Fortgeschrittene)
In den vorherigen Schritten dieser Lektion haben Sie die folgenden drei Modelle erstellt:
Vorhersagen für die jeweilige Kombination aus Region und Modell auf Basis der Daten für das jeweilige Modell und die jeweilige Region
Vorhersagen für alle Modelle auf einer weltweiten Basis anhand von aggregierten Daten
Vorhersagen für das M200-Modell in Nordamerika auf Basis des aggregierten Modells
In dieser Abschlussaufgabe vergleichen Sie die Vorhersagen für die einzelnen Modelle, um herauszufinden, wie sich die Verwendung des allgemeinen Modells auf die Ergebnisse auswirkt.
Vergleichen von Vorhersageergebnissen
Die Analyse der Ergebnisse des ursprünglichen Miningmodells hat eine große Kluft zwischen bestimmten Regionen und Modellreihen aufgedeckt. Insbesondere die Trendlinie des M200-Modells stieg stark an, wohingegen die Trendlinien für das T1000-Modell durch einen relativ flachen Verlauf gekennzeichnet waren.
.gif "Zeitreihenvorhersagen für Mengen M200 und T1000")
Sie können ein Diagramm erstellen, dass alle Vorhersagen beinhaltet. Exportieren Sie dazu die Ergebnisse zusammen mit den ursprünglichen Daten nach Microsoft Excel. Dort stehen Ihnen leistungsstärkere Tools zur Darstellung und Verwaltung mehrerer Datenreihen zur Verfügung. Das folgende Diagramm zeigt nur die Trendlinien für das M200-Modell. Außerdem werden die Vorhersagen aus dem ersten Miningmodell mit den Vorhersagen unter Verwendung des aggregierten Miningmodells verglichen.
.gif "Excel-Diagramm zum Vergleich von Prognosen")
Im vorherigen Diagramm können Sie erkennen, dass das aggregierte Miningmodell die Gesamttrends beibehält, gleichzeitig jedoch die Schwankungen in den einzelnen Datenreihen minimiert. In der folgenden Tabelle finden Sie als Hilfestellung beim Vergleich einen Teil der Datenreihen, mit denen das Diagramm erstellt wurde.
Reihe und Miningmodell |
7/25/2008 |
8/25/2008 |
9/25/2008 |
10/25/2008 |
11/25/2008 |
|---|---|---|---|---|---|
M200 Europe – aggregiert |
143 |
126 |
115 |
119 |
94 |
M200 Europe – spezifisch |
121 |
142 |
152 |
149 |
154 |
M200 North America – aggregiert |
208 |
150 |
149 |
151 |
172 |
M200 North America – spezifisch |
163 |
178 |
156 |
173 |
203 |
M200 Pacific – aggregiert |
89 |
80 |
71 |
77 |
57 |
M200 Pacific – spezifisch |
46 |
44 |
42 |
42 |
38 |
T1000 Europe – aggregiert |
65 |
51 |
54 |
53 |
48 |
T1000 Europe – spezifisch |
42 |
41 |
43 |
42 |
43 |
T1000 North America – aggregiert |
103 |
84 |
79 |
85 |
68 |
T1000 North America – spezifisch |
82 |
78 |
78 |
83 |
83 |
T1000 Pacific – aggregiert |
68 |
52 |
48 |
56 |
44 |
T1000 Pacific – spezifisch |
38 |
39 |
37 |
38 |
36 |
Schlussfolgerung
Sie sind nun in der Lage, ein Zeitreihenmodell für Vorhersagen und ein allgemeines Modell für verschiedene Datenreihen zu erstellen.