Этап 8. Коррекция и обновление модели

Этап 7. Применение модели

Этап 6. Выбор модели

Этап 5. Проверка и оценка моделей

Проверка модели подразумевает проверку ее достоверности или адекватности. Эта проверка заключается в определении степени соответствия модели реальности.

Адекватность модели проверяется путем тестирования.

Адекватность модели (adequacy of a model) - соответствие модели моделируемому объекту или процессу.

Данные понятия – условны.

Поэтому в процессе моделирования следует учитывать адекватность

не модели вообще, а именно тех ее свойств, которые являются существенными с точки зрения проводимого исследования. В процессе проверки модели необходимо установить включение в модель всех существенных факторов.

Оценка модели подразумевает проверку ее правильности. Оценка построенной модели осуществляется путем ее тестирования ("прогонка" построенной модели, заполненной данными, для определения ее характеристик и работоспособности). Тестирование модели включает в себя проведение множества экспериментов. На вход модели могут подаваться выборки различного объема. Эксперименты меняются в зависимости от масштаба модели.

Если в результате моделирования нами было построено несколько различных моделей, то на основании их оценки мы можем осуществить выбор лучшей из них. В ходе проверки и оценки различных моделей на основании их характеристик, а также с учетом мнения экспертов, следует выбор наилучшей.

В некоторых программных продуктах реализован ряд методов, разработанных для выбора модели. Многие из них основаны на так называемой "конкурентной оценке моделей", которая состоит в применении различных моделей к одному и тому же набору данных и последующем сравнении их характеристик.

На этом этапе выбранная модель используется применительно к новым данным с целью решения задач, поставленных в начале процесса Data Mining. Для классификационных и прогнозирующих моделей на этом этапе прогнозируется целевой (выходной) атрибут.

По прошествии определенного установленного промежутка времени с момента начала использования модели Data Mining следует проанализировать полученные результаты, определить наличие проблем в модели и сложности в ее

использовании.

Однако даже если модель с успехом используется, ее не следует считать абсолютно

верной на все времена, необходимо периодически оценивать адекватность

модели набору данных (изменились входящие данные или их поведение), а также текущей ситуации (изменения внешних факторов: цели бизнеса, политическая ситуация).

При появлении новых данных требуется повторное обучение модели. Работы, проводимые с моделью на этом этапе, также называют контролем и сопровождением модели.

Дата добавления: 2015-03-31