Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INFORMÁTICA APLICADA
Datos informativos:
- Conocer qué es la Validación de los Datos, así como los modelos y técnicas (2753)
- Reconocer qué es el Análisis Predictivo y técnicas aplicables (2753)
2. INTRODUCCIÓN
El análisis predictivo se basa en estimar eventos futuros en función de datos históricos, a los
que se les aplican diversas técnicas analíticas, estadísticas y de aprendizaje automático
(2802).
Los enfoques para analizar el análisis predictivo usan las siguientes técnicas:
Modelo de regresión lineal: Establece una relación entre la variable dependiente y variables
independientes. Minimiza el error mediante la estimación de mínimos cuadrados originarios.
Se comprueba la significancia estadística de coeficientes mediante el estadístico t (Timón,
2017), (2802).
Presentan reglas como la de seleccionar valores para obtener la mejor división para
diferenciar observaciones basadas en la variable dependiente, cuando ya selecciona la regla
se divide el nodo en dos y se aplica el procedimiento recursivo, deteniéndose cuando CART
detecta el límite de generación de ganancias o incumplimientos. (2430)
Curvas de regresión adaptativa multivariable: constituye modelos flexibles ajustando
regresiones lineales por piezas. Aquí se encuentra presente el nudo que es modelo que da
paso a otro siendo el punto de intersección entre dos curvas. Este modelo realiza un
sobreajuste mediante una poda, que por medio de un algoritmo especifica un límite superior
en el número de funciones base (Timón, 2017), (2802).
Naïve Bayes: Usa la probabilidad de condicionamiento para clasificar predictores que son
independientes estadísticos. (2954)
Existe una gran cantidad de técnicas predictivas que sirven para la construcción de modelos.
Hay diferentes técnicas que son soportadas por diferentes sistemas y proveedores, pero
algunas son exclusivas y no permiten su libre uso, como por ejemplo los algoritmos utilizados
por Microsoft, que dispone de algoritmos como: Microsoft Decision Trees Algorithm,
Microsoft Naive Bayes Algorithm o Microsoft Clustering Algorithm entre otros. Sin
embargo, hay otras técnicas que son soportadas por la mayoría de los sistemas y entornos
(Timón, 2017), (2753).
Aunque todas las técnicas predictivas tienen diferentes fortalezas y debilidades, la exactitud
del modelo depende en gran medida de los datos de entrada a procesar y de las características
utilizadas para formar un modelo predictivo. La construcción de modelos implica una gran
cantidad de análisis de datos (Timón, 2017), (2753). (2842)
En la revista Inbound Logistics Latam se habla acerca de cuáles son las áreas de aplicación
de la analítica predictiva, diferenciando cinco áreas a través de las cuales se hace más rentable
la cartera de clientes:
Sector de Marketing
Sector Actuarial
Sector Empresarial
BIBLIOGRAFÍA