Martes, 25 Abril 2017 10:12

BIGML: UNA HERRAMIENTA TAN POTENTE COMO INTUITIVA PARA ANÁLISIS Y SIMULACIONES

Escrito por 
Valora este artículo
(2 votos)

BIGML: MÁS RÁPIDO, MÁS INTUITIVO, MÁS FÁCIL.

En este espacio, solemos introducir las herramientas que utilizamos y bien con aplicaciones reales de proyectos realizados, o con pequeñas demos aclaratorias, explicar el porqué las encontramos tan útiles.

En nuestra cruzada por acercar el análisis y la comprensión de los datos a todos los perfiles de las empresas, una potente herramienta surge para echarnos un cable: BigML.

Para los que estamos dentro del sector, no nos sorprende, pero esta empresa (mitad americana, mitad española) está teniendo un desarrollo increíble. Y no es para menos. Consigue poder aplicar algoritmos de Machine Learning en los conjuntos de datos de una forma rápida y fácil. Insultante y maravillosamente fácil.

Una de las cosas que con más interés nos fijamos, es en la facilidad que otorga para comunicar resultados y dejar que la intuición del usuario explore la fase de aplicación y test de los algoritmos.

SIMULACIÓN DE ÁRBOLES DE DECISIÓN A PARTIR DE BIGML.

Creamos un nuevo proyecto en BigML. En él tendremos un conjunto de datos, formado por clientes de un banco a los que se les concedió un préstamo en función de sus características y que algunos fueron operaciones exitosas, y otras no. 

arboldecisionYa que tenemos estos datos guardados, y tenemos capturada información sobre los clientes, queremos poder tener una herramienta que nos permita conocer un patrón de comportamiento (si lo hubiese) el cual usar para nuevos casos, y poder discernir más rápido y eficaz en el futuro si a un posible cliente es recomendable, o no, darle el préstamo.

Para eso usaremos las técnicas de Machine Learning (en este caso, usaremos un intuitivo árbol de decisión), y BigML. Un clic y cargamos los datos, un clic y creamos el dataset, un clic y configuramos nuestro árbol de decisión. En cuestión de minutos podemos disponer de un algoritmo con gran aplicación práctica.

 No nos detendremos en este post a explicar por qué, a pesar de lo sencillo que parece, es necesario tener un conocimiento experto de lo que se hace, se puede hacer, o por qué hace lo que hace (ya lo introdujimos en este post: ML: la potencia sin control no sirve de nada). Vayamos directamente a la fase práctica de simulación de resultados.

FASE DE SIMULACIÓN EN BIGML PARA EL USUARIO NO EXPERTO.

BigML proporciona ya desde su dashboard la opción de llevar a cabo simulaciones, compartir el modelo entrenado con otros usuarios o incluso descargar el modelo entrenado en otras plataformas, como Python (incluso poder utilizarlo off line). BigML nos vuelve a ganar, al usar su interactivo entorno.

aplicacion

En este ejemplo vemos que, simplemente seleccionando las diferentes posibilidades que se dan en las características que tenemos, nos arrojan un resultado (de “acierto” si el resultado de la operación fue exitoso para la entidad o de “error” si no lo fue). Para este caso, un cliente con las características que tenemos tendría una probabilidad del 70% de ser una operación exitosa para la entidad.

BIGML COMO ENTORNO PARA SIMULACIONES DE DATOS.

No es solo la facilidad de realizar las implementaciones de Machine Learning, sino también la versatilidad e intuición gráfica de sus soluciones, lo que confiere a BigML un lugar destacado en nuestra toolbox de minería de datos. Cada vez más los clientes demandan entender el proceso de analítica en sus datos, y las simulaciones de BigML ayudan decisivamente a ello.

Visto 595 veces Modificado por última vez en Viernes, 05 Mayo 2017 08:24