Übersicht
Seit Jahren ist die Verbesserung von Datenfunktionen ein gemeinsames Ziel in der Datenanalyse und spielt eine wichtige Rolle bei der Unterstützung erfolgreicher KI-Initiativen. Bevor Sie jedoch den Wert der KI realisieren, ist die Merkmalskonstruktion unerlässlich. In diesem Whitepaper werden einige leistungsstarke Werkzeuge vorgestellt, mit denen die Minitab Statistical Software die Daten vorbereiten kann.
Die Merkmalskonstruktion ist die Phase, bei der auf der Grundlage von Kenntnissen des Prozesses und der resultierenden Daten die Eigenschaften bzw. Merkmale extrahiert werden, die für prädiktive Modelle benötigt werden. Im Wesentlichen erfordern prädiktive Modelle Eingabedaten, um die Ausgaben eines Prozesses zu prognostizieren. Die Merkmale bzw. Eingaben, die Sie zum Erstellen eines prädiktiven Modells auswählen, haben einen bedeutenden Einfluss auf die Genauigkeit der Prognosen, die das Modell ausgibt. Um die Merkmalskonstruktion wirklich sinnvoll zu gestalten, benötigen Sie Kenntnisse Ihres Prozesses und Ihrer Daten, damit Sie Merkmale auswählen, mit denen Sie genaue prädiktive Modelle erstellen können. Die ausgewählten Merkmale sollten das zugrunde liegende Problem darstellen, das Sie lösen möchten. Daher ist Fachwissen zum Prozess selbst unerlässlich. Wir bei Minitab helfen Experten wie Prozessspezialisten, Datenwissenschaftlern und Wirtschaftsanalytikern, Prozesswissen zu nutzen, um datengestützte Lösungen für die komplexesten geschäftlichen Herausforderungen zu finden.
In diesem White Paper geben wir einen Überblick über sieben Techniken für die Merkmalskonstruktion und wie Sie diese in der Minitab Statistical Software erfolgreich anwenden können.
Vollständiges Minitab-Whitepaper aufrufen
