Accueil
 > search far

Documents connexes en vedette » ideal


La vérité au sujet de l’exploration de données
Les entreprises doivent désormais être très prudentes. Avec des volumes toujours plus élevés de données, les techniques analytiques traditionnelles pourraient

ideal  représentent le modèle idéal (Ideal model). En utilisant les prévisions du modèle, nous pouvons observer que le modèle peut cibler 100 % de la cible grâce à 90 % des données. Si nous utilisions le modèle d'exploration (voir « courbe principale » ou Lift curve), nous pourrions cibler 30 % des données (c.-à-d. 90 % de 40 %). Si nous choisissions les clients au hasard (voir « point de comparaison » ou Baseline), nous ciblerions uniquement 20 % des données (c.-à-d. 50 % de 40 %). Figure 4. Pour en savoir plus

GCVP/PLM - Production non linéaire
The Product Data Management (PDM) Knowledge Base covers the base foundation of PLM for the discrete manufacturing industries. It covers design and product-related aspects of PLM including managemen...
Start evaluating software now
Pays:
 Security code
Already have a TEC account? Sign in here.
 
Don't have a TEC account? Register here.

Documents connexes » ideal


La vérité au sujet de l’exploration de données
Les entreprises doivent désormais être très prudentes. Avec des volumes toujours plus élevés de données, les techniques analytiques traditionnelles pourraient

ideal  représentent le modèle idéal (Ideal model). En utilisant les prévisions du modèle, nous pouvons observer que le modèle peut cibler 100 % de la cible grâce à 90 % des données. Si nous utilisions le modèle d'exploration (voir « courbe principale » ou Lift curve), nous pourrions cibler 30 % des données (c.-à-d. 90 % de 40 %). Si nous choisissions les clients au hasard (voir « point de comparaison » ou Baseline), nous ciblerions uniquement 20 % des données (c.-à-d. 50 % de 40 %). Figure 4. Pour en savoir plus

Recherches récentes :
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Others