“预测得不准!”是数据分析领域的终极难题了。讲预测的算法有一大堆,然后遇到现实基本上都被锤成渣渣,业务方怎么都不满意。
到底该怎么破局?今天系统讲一下。
01
预测算法的本质
从本质上看,预测算法只有2大类:
1、基于时间序列的。
l 平滑:用于相对平稳的数据。
l 自回归:用于趋势性递增、递减的数据。
l 带季节因素自回归:用于有周期性波动的数据。
2、基于因果关系的。
l 二分类问题:未来会/不会发生XX,典型如LR。
l 多分类问题:未来是ABC哪个情况,典型如决策树。
l 连续型问题:未来的数值是多少,典型如线性回归。
有可能建模的时候,不是一个模型包打天下,而是用二阶段建模。比如预测一个客群消费情况,可以分别用二分类模型预测会不会消费,再用连续型模型预测消费金额,这样会消费用户数*预测消费金额,就能得出总消费。这是典型的处理手法。
书本上都是这么教的,然而为啥一遇到现实就被锤成渣渣了呢?
02
预测算法的难点<