Predictive Analytics met Machine learning of Deep Learning kan op verschillende manieren gebeuren, afhankelijk van het onderliggende algoritme dat gebruikt wordt om het predictieve model op te stellen. Alle predictieve modellen hebben als doel om onbekende waardes, eigenschappen of gebeurtenissen te voorspellen. Voor predictie wordt vaak gebruikt gemaakt van onder andere algoritmes voor classificatie, clustering, patroonherkenning en beeldherkenning. De volgende populaire types zijn standaard beschikbaar in Trendskout:
Naast specifieke modules voor productiebedrijven, biedt het Trendskout AutoML platform ook tal van mogelijkheden voor IT teams om snel AI toepassingen op te zetten, Powered door onze unieke dubbele AI laag en gebruiksvriendelijke UI die datatransformaties, algoritmeselectie en hypertuning volledig automatiseert.
Ontvang toegang tot ons Resource Center met interessante business cases gratis in je mailbox.
Predictie is een AI Flow analyse-functie.
Anomalie predictie is het detecteren en voorspellen van uitzonderlijke gebeurtenissen, anomalieën. In vergelijking met predictie van labels, en zeker forecasting, zijn anomalieën gebeurtenissen die zich nog minder frequent voordoen, bvb het voorkomen van een orkaan. Doordat deze gebeurtenissen zo weinig voorkomen, is er vaak niet veel informatie in de trainingsdata waarop het algoritme zich kan baseren om verbanden te detecteren wanneer deze anomalieën wel of niet voorkomen. Er is m.a.w. een onevenwicht in de trainingsdata. Hierdoor zijn andere types algoritmes, en bewerkingen aan de data, nodig dan bijvoorbeeld bij forecasting of label-predictie. In het hypertuning proces van anomaliepredictie wordt frequent gewerkt met technieken zoals SMOTE, undersampling of oversampling. Het hele hypertuning proces wordt net zoals bij alle andere AI en Deep Learning toepassingen binnen Trendskout geautomatiseerd.
Hoewel het uiteindelijke doel van iedere predictie-toepassing telkens heel gelijkaardig is, voorspellen van waardes of gebeurtenissen, is de techniek om dit te bereiken telkens heel verschillend. Er zijn verschillende variabelen zoals de keuze van het algoritme of type neuraal netwerk, de parameters van dit algoritme en de vereiste databewerkingen. Deze drie variabelen samen vormen een oneindig aantal mogelijkheden met telkens een ander predictief model als resultaat. Via intelligente Auto ML, geautomatiseerde databewerkingen en een krachtige intuïtieve gebruikersinterface gaat Trendskout zelfstandig het meest optimale predictieve model selecteren.
