sábado, 26 de junio de 2021

Mineria

Gestión analítica de relaciones con el cliente (CRM)

Customer Relationship Management es una de las aplicaciones más populares que utiliza análisis predictivo.

...Otros usos de la analítica predictiva incluyen marketing, ventas y servicio al cliente.

Identificar y analizar los productos que tienen más demanda y los productos que tienen una demanda creciente, observar las tendencias de compra actuales para predecir los hábitos de compra futuros, analizar las áreas de insatisfacción o pérdida del cliente para realizar mejoras . Dicho análisis puede ayudar a mejorar la empresa y aumentar la promoción de productos para esa empresa. Este tipo de análisis se puede utilizar durante todo el ciclo de vida del cliente, analizando desde el principio hasta el crecimiento, la retención y la recuperación de la relación.

Análisis predictivo y negocios

 Si una organización vende más de un producto, puede utilizar análisis predictivos para promocionar sus productos. Los detalles de la base de clientes son esenciales y el uso de esta información puede beneficiar enormemente a una empresa. Las predicciones disponibles incluyen; determinar la capacidad de gasto de un cliente y el uso y comportamiento de compra de un cliente. El análisis de estas áreas da como resultado la capacidad de la empresa para construir la relación que tiene con sus clientes, adaptando su modelo actual a sus clientes y, por tanto, mejorando su negocio y sus beneficios.



El uso de análisis predictivo en la atención médica

El distrito de atención médica usa mucho el análisis predictivo para ayudar a calcular los riesgos de contracción de enfermedades o trastornos. El uso de este tipo de análisis de datos puede ayudar a determinar el riesgo de un paciente de desarrollar afecciones de salud, estas afecciones pueden ser cualquier cosa, desde asma hasta enfermedades cardíacas.

lunes, 21 de junio de 2021

analitica

 Aprendizaje supervisado

Variable a predecir (target) es de conocimiento.

Si la variable es numerica (o cuantitativa)-> es un problema ( de aprendizaje supervisado) de regresión

produce un numero que sera el resultado de nuestra prediccion

Si la variable es categorica (o cualitativa) -> es un problema  ( de aprendizaje supervisado) de clasificación

(produce un numero, pero no lo vamos a tomarlo directamente, sino pasa por un filtro (una linea, un limite o un umbral), si esta por encima de esa linea voy a suponer que se encuentra en la categoria tal, 

si esta por debajo de esa linea y encima de la 2da, voy a suponer que se encuentra en la categoria cual

si esta por debajo de la 2da linea voy a suponer que se encuentra en la categoria tal cual

--------------

Los sistemas expertos son antes del machine learning.

--------------

Regresion

La linea que mejor se ajuste a los datos que tengo disponible

--------------

Tecnicas de regresion

-Regresion lineal

-Modelos lineales generalizados

Regresion logistica

Regresion de poison

-Support vector regresion

(me quedo con la linea de clasificacion para hacer regresion)

Metricas de regresion

MAE

MSE (error cuadratico medio)