在建筑物中可视化数据辅助设备，更新预测模型

最近，首都一数据科学家Brendan Herger在预测分析项目上致力于旨在识别潜在问题的账单总数，当使用首都一张信用卡时，在初始刷卡后，将提示提示在其卡片上添加到其选项卡。

他说，目标是帮助持卡人避免意外留下不恰当的大提示。如果分析应用程序将文本消息或电子邮件触发到首都一位客户，例如，如果可能的可能差异，例如，餐馆没有捕获的数学错误。然后，持卡人可以用餐馆或首都自己争取电荷。

在麦克莱恩，VA，开发银行和服务公司所需的分析功能，重点及其同事，不得不“培训”预测模型在历史数据上，定义什么不合适的提示，所以它们可以在传入事务期间标记。在这种类型的分析项目中，可视化数据有助于数据科学家监控模型培训过程，并确保模型适合现实情景产生的结论。赫尔谢谢说，如果数据可视化与之前或之后的特定点相比，在给定点的分析数据中显示了一个大尖峰，他知道模型的算法中可能会关闭一些东西，需要额外的开发工作来设置它。

对于在车轮上没有睡着的分析团队，预测模型开发从来没有真正完成。一旦模型投入生产，需要根据需要不断验证和调整，以确保它们随着时间的推移提供准确的预测。并且有一个重要的作用数据可视化工具和技巧可以在那些努力中发挥作用。

鲍里斯Savkovic，Analytics服务提供商Buildingiq的领导数据科学家在San Mateo，加利福尼亚州表示，他和他的团队不断地从客户所拥有的建筑物中策略数据，以比较基于模型的能源使用对实际历史数据的预期。可视化数据有助于分析师识别异常值在这些信息中，例如尖峰在建筑物的功耗因极端天气事件引起的。

识别出异常值后，可以通过预测建模者考虑它们，而不是将它们视为有效数据点训练算法，一个可能会降低分析精度随着时间的推移的误操作。Savkovic表示，“可视化模型预测与实际数据有助于钉在事件发生的地方。”