ຂໍ້ມູນທີ່ບໍ່ເປີດເຜີຍຊື່ທຽບກັບຂໍ້ມູນສັງເຄາະ

Edwin van Unen ໄດ້ສົ່ງຊຸດຂໍ້ມູນຕົ້ນສະບັບໄປໃຫ້ Syntho ແລະພວກເຮົາສັງເຄາະຊຸດຂໍ້ມູນ. ແຕ່ຄໍາຖາມແມ່ນ: "ຈະເກີດຫຍັງຂຶ້ນຖ້າພວກເຮົາປຽບທຽບຂໍ້ມູນສັງເຄາະກັບຂໍ້ມູນທີ່ບໍ່ເປີດເຜີຍຊື່?" ເນື່ອງຈາກວ່າທ່ານສູນເສຍຂໍ້ມູນຈໍານວນຫລາຍໃນຂໍ້ມູນທີ່ບໍ່ເປີດເຜີຍຊື່, ນີ້ຍັງຈະເກີດຂຶ້ນໃນເວລາທີ່ການສັງເຄາະຊຸດຂໍ້ມູນບໍ? ພວກເຮົາເລີ່ມຕົ້ນດ້ວຍຊຸດຂໍ້ມູນຈາກອຸດສາຫະກໍາໂທລະຄົມມະນາຄົມທີ່ມີ 56.000 ແຖວ ແລະ 128 ຖັນຂອງຂໍ້ມູນຂອງບໍລິສັດ. ຊຸດຂໍ້ມູນນີ້ຖືກສັງເຄາະ ແລະ ບໍ່ໄດ້ລະບຸຕົວຕົນ ເພື່ອໃຫ້ Edwin ສາມາດປຽບທຽບການສັງເຄາະດ້ວຍການປິດບັງຊື່. ຫຼັງຈາກນັ້ນ, Edwin ເລີ່ມສ້າງແບບຈໍາລອງໂດຍໃຊ້ SAS Viya. ລາວສ້າງຕົວແບບ churn ສອງຢ່າງໃນຊຸດຂໍ້ມູນຕົ້ນສະບັບ, ໂດຍນໍາໃຊ້ເຕັກນິກການຖົດຖອຍແບບຄລາສສິກແລະການຕັດຕົ້ນໄມ້, ແຕ່ຍັງເຕັກນິກທີ່ຊັບຊ້ອນກວ່າເຊັ່ນ: ເຄືອຂ່າຍ neural, ການຊຸກຍູ້ gradient, ປ່າໄມ້ແບບສຸ່ມ - ເຕັກນິກເຫຼົ່ານີ້. ການນໍາໃຊ້ທາງເລືອກ SAS Viya ມາດຕະຖານໃນເວລາສ້າງແບບຈໍາລອງ.

ຫຼັງຈາກນັ້ນ, ມັນແມ່ນເວລາທີ່ຈະເບິ່ງຜົນໄດ້ຮັບ. ຜົນໄດ້ຮັບແມ່ນດີຫຼາຍສໍາລັບຂໍ້ມູນສັງເຄາະແລະບໍ່ແມ່ນສໍາລັບການປິດບັງຊື່. ສໍາລັບຜູ້ຊ່ຽວຊານດ້ານການຮຽນຮູ້ທີ່ບໍ່ມີເຄື່ອງຈັກໃນຜູ້ຊົມ, ພວກເຮົາເບິ່ງພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ ROC ເຊິ່ງບອກບາງສິ່ງບາງຢ່າງກ່ຽວກັບຄວາມຖືກຕ້ອງຂອງຕົວແບບ. ການປຽບທຽບຂໍ້ມູນຕົ້ນສະບັບກັບຂໍ້ມູນທີ່ບໍ່ເປີດເຜີຍຊື່, ພວກເຮົາເຫັນວ່າຕົວແບບຂໍ້ມູນຕົ້ນສະບັບມີພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ ROC ຂອງ .8, ເຊິ່ງຂ້ອນຂ້າງດີ, ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນທີ່ບໍ່ເປີດເຜີຍຊື່ມີພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ ROC ຂອງ .6. ນີ້ຫມາຍຄວາມວ່າພວກເຮົາສູນເສຍຂໍ້ມູນຈໍານວນຫລາຍກັບຕົວແບບທີ່ບໍ່ເປີດເຜີຍຊື່ດັ່ງນັ້ນທ່ານຈະສູນເສຍພະລັງງານການຄາດເດົາຢ່າງຫຼວງຫຼາຍ.

ແຕ່ຫຼັງຈາກນັ້ນ, ຄໍາຖາມແມ່ນຫຍັງກ່ຽວກັບຂໍ້ມູນສັງເຄາະ? ທີ່ນີ້, ພວກເຮົາໄດ້ເຮັດຄືກັນແຕ່ແທນທີ່ຈະເປັນການປິດບັງຂໍ້ມູນ, Syntho ໄດ້ສັງເຄາະຂໍ້ມູນ. ໃນປັດຈຸບັນ, ພວກເຮົາເຫັນທັງຂໍ້ມູນຕົ້ນສະບັບແລະຂໍ້ມູນສັງເຄາະມີພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ ROC ຂອງ .8, ເຊິ່ງຄ້າຍຄືກັນຫຼາຍ. ບໍ່ຄືກັນເນື່ອງຈາກການປ່ຽນແປງ, ແຕ່ຄ້າຍຄືກັນຫຼາຍ. ນີ້ຫມາຍຄວາມວ່າ, ທ່າແຮງຂອງຂໍ້ມູນສັງເຄາະແມ່ນດີຫຼາຍ - Edwin ດີໃຈຫຼາຍກ່ຽວກັບເລື່ອງນີ້.