Visão geral
Por muitos anos, melhorar os recursos de dados tem sido um objetivo comum na análise de dados, desempenhando um papel fundamental para sustentar iniciativas de IA bem-sucedidas. No entanto, antes de extrair o valor da IA, a engenharia de recursos é essencial. Este white paper ilustra algumas ferramentas poderosas que o Minitab Statistical Software oferece para ajudar a preparar dados.
A engenharia de recursos aborda o conhecimento sobre um processo e seus dados resultantes para extrair propriedades, ou recursos, que fazem os modelos preditivos funcionarem. Basicamente, os modelos preditivos precisam de dados de entrada para fazerem as predições sobre a saída de um processo. Os recursos ou entradas selecionados para a criação de um modelo preditivo exercerão forte impacto sobre a exatidão das predições do modelo. Para aplicar melhor a engenharia de recursos, o conhecimento de seu processo, bem como de seus dados, é fundamental para que você selecione os recursos que o ajudarão a criar modelos preditivos exatos. Os recursos selecionados devem representar o problema subjacente que você está tentando resolver, fazendo com que a experiência no próprio processo seja essencial. Na Minitab, profissionais como especialistas em processos, cientistas de dados e analistas de negócios recebem nossa ajuda para aproveitar seu conhecimento do processo para encontrar soluções baseadas em dados para resolver suas questões de negócios mais complicadas.
Neste white paper, abordamos sete técnicas de engenharia de recursos e como você pode aplicá-las com sucesso usando o Minitab Statistical Software.
Acesse o white paper completo da Minitab
