Modelamiento predictivo en Analítica Predictiva

1. Elaborado por: Pedro Chávez F. Limitless Power of Information
Business Analytics Society
https://addkw.com/
El Modelamiento Predictivo en la Analítica Predictiva
El Modelamiento Predictivo en la Analítica Predictiva
El modelamiento predictivo es el proceso de diseño, implementación, prueba, validación de los resultados y
selección del modelo de predicción más beneficioso, para lo cual se apoya en diversos métodos de análisis y
algoritmos de aprendizaje. La validación del modelo de predicción que es parte de la implementación del modelo
de predicción nos asegura obtener el modelo mas adecuado para predecir la probabilidad de un resultado.
Diversos son los métodos de modelamiento disponibles en las plataformas de software de analítica predictiva,
como el aprendizaje de máquina, la inteligencia artificial, la minería de datos y la estadística. El modelo de
predicción es seleccionado basado en criterios de prueba, validación y evaluación de resultados en función de la
teoría de detección y suposición de probabilidad de un resultado dado una muestra de datos de entrada
determinada.
Los modelos pueden emplear distintas técnicas lógicas y matemáticas de clasificación para intentar determinar la
probabilidad que un conjunto de datos pertenezca a otro o que una variable tome un determinado valor, lo que
se conoce con el nombre de predicción.
Los modelos predictivos disponibles en las plataformas de software de analítica predictiva como:
- Pronostico de ventas basados en series de tiempo.
- Detección de enfermedades basadas en clasificaciones y arboles de decisión.
- Gestión inteligente de precios de mayoristas basados en clustering.
- Sistemas de detección de fraudes basados en la teoría de Bayes Naives, etc.
permiten obtener nueva información a partir de los datos de entrada y a su vez seleccionar el modelo predictivo
que mejor se adapte al negocio. Cada modelo tiene sus fortalezas y debilidades y están diseñados para tipos
particulares de problemas.

2. Elaborado por: Pedro Chávez F. Limitless Power of Information
Business Analytics Society
https://addkw.com/
El Modelamiento Predictivo en la Analítica Predictiva
Un modelo predictivo es reutilizable y se crea a partir del entrenamiento de un algoritmo empleando datos
históricos y salvando el modelo para posteriores usos compartiendo las reglas de negocios generales que pueden
aplicarse a datos similares con el objeto de analizar los resultados utilizando el algoritmo entrenado y nuevos
datos.
Procesos en el Modelamiento Predictivo
Los procesos estandarizados del modelamiento predictivo que son intrínsecos en las plataformas de software de
analítica predictiva son:
- Creación del Modelo: comprende el diseño e implementación de modelos de predicción que serán
entrenados a partir de uno o mas algoritmos tomando los datos de entrenamiento de la muestra.
- Prueba del Modelo: comprende la prueba del modelo utilizando algoritmos de aprendizaje y datos de
entrenamiento de la muestra. En algunos escenarios, las pruebas se llevan a cabo basados en datos
históricos para observar y confirmar la mejor predicción del modelo.
- Validación del Modelo: Valida los resultados del modelo a través de comprensión de los datos del negocio
e interfaces de visualización.
- Evaluación del Modelo: Evaluación y selección del modelo de predicción que mejor se ajusta a los
resultados históricos.

3. Elaborado por: Pedro Chávez F. Limitless Power of Information
Business Analytics Society
https://addkw.com/
El Modelamiento Predictivo en la Analítica Predictiva
El proceso de modelamiento implica la ejecución de manera iterativa de uno o más algoritmos sobre los datos de
la muestra. Este proceso se conoce con el nombre de entrenamiento del modelo.
La iteración se lleva a cabo utilizando múltiples modelos o algoritmos sobre los mismos datos muestrales hasta
obtener el modelo que más se ajuste a los datos del negocio.
Categoría de los modelos de predicción
Los modelos de predicción pueden ser clasificados como:
- Modelos predictivos: Analizan los datos históricos para elaborar predicciones futuras.
- Modelos descriptivos: Analiza los datos históricos y establece relaciones entre los datos con el propósito
de clasificar los conjuntos de datos en grupos.
- Modelos de Decisión: También conocidos como modelos prescriptivos. Establece las relaciones entre los
diversos elementos de una decisión para predecir sus resultados y seleccionar una decisión.

4. Elaborado por: Pedro Chávez F. Limitless Power of Information
Business Analytics Society
https://addkw.com/
El Modelamiento Predictivo en la Analítica Predictiva
Algoritmos de aprendizaje
Los algoritmos de aprendizaje ejecutan análisis estadísticos y de minería de datos con el fin de determinar
patrones y tendencias en los datos. Las plataformas de analítica predictiva incluyen servicios de análisis basados
en algoritmos como: regresiones, series de tiempo, valores atípicos, arboles de decisión, redes neuronales y
análisis k-means. Muchas plataformas de software incluyen integración con la librería de código abierto R.
Algunos algoritmos de aprendizaje son:
- Series de tiempo: desarrolla predicciones basadas en el tiempo. Algunos ejemplos de estos algoritmos
son: Suavizado exponencial simple, doble y triple.
- Regresión: predice variables continúas basadas en otras variables en el conjunto de datos de la muestra.
Ejemplos de estos algoritmos son: regresión lineal, regresión exponencial, regresión geométrica,
regresión logarítmica y regresión lineal múltiple.
- Asociación: encuentran patrones de frecuencia y reglas de asociación en grandes masas de datos
transaccionales. Ejemplo de estos es el algoritmo: A PRIORI.
- Clustering: basadas en observaciones de grupos similares. Ejemplos de estos algoritmos son: K-means,
Kohonen y Twostep.
- Arboles de decisión: clasifica y predice una o mas variables discretas basadas en otras variables dentro
del conjunto de datos muestrales. Ejemplos de estos algoritmos son: C 4.5 y CNR Tree.
- Detección de valores atípicos: detecta los valores atípicos en un conjunto de datos muestrales. Algoritmos
de este tipo son: Inter quartile range (rango de cuarto interno) y Nearest Neighbour Outlier (vecino más
cercano atípico).
- Redes neuronales: realiza el pronóstico, clasificación y reconocimiento de patrones estadísticos. Ejemplos
de estos algoritmos son: NNet Neural Network y MONMLP Neural Network.
- Ensemble models (modelos de conjuntos): similar al análisis de MonteCarlo en las que las múltiples
predicciones numéricas se realizan empleando ligeras condiciones iniciales diferentes.

5. Elaborado por: Pedro Chávez F. Limitless Power of Information
Business Analytics Society
https://addkw.com/
El Modelamiento Predictivo en la Analítica Predictiva
- Análisis de Factor: trabaja con las variabilidades entre las variables correlacionadas y observadas en
función de un reducido numero de variables no observadas denominadas factores. Ejemplo de esto es el
Algoritmo de Probabilidad Máxima.
- Naive Bayes: Son clasificadores probabilísticos basados en la aplicación del teorema de Bayes con solidas
suposiciones de independencia de las variables.
- Support Vector Machines (Máquinas de vector de soporte): son modelos de aprendizaje supervisado con
algoritmos de aprendizaje asociados que analizan los datos y reconocen patrones empleados en el análisis
de regresión y clasificación.
- Uplift modeling: modela el impacto incremental en el tratamiento del comportamiento de un individuo.
- Análisis de supervivencia: son análisis de tiempos para eventos.
Las principales plataformas de Analítica Predictiva son: