Was ist dein statistisches Modell?
Wir haben bereits einige Einblicke offengelegt, was bei Lokad verwendet wird. Dennoch bleibt eine häufige Support-Anfrage: Was genau ist dein Modell?
Wir schauen uns verschiedene statistische Prognosepakete an, um in naher Zukunft eines auszuwählen. Eines, was mir bei Lokad fehlt, ist die Einsicht, welches statistische Modell verwendet wurde. Ich verstehe, dass die Auswahl des Modells ein Geschäftsgeheimnis ist, aber ich möchte die endgültige Auswahl – sprich, die Testvariante – mit unserem internen Mathematiker überprüfen, bevor wir dir unsere tatsächlichen Prognosen anvertrauen. Die meisten Softwareanbieter in diesem Bereich liefern das ausgewählte Modell. Ist es möglich, dieses Ergebnis bei Lokad zu erhalten?
Nun, leider lautet die richtige Antwort: Lokad ist kein statistisches Paket. Insbesondere: Wir liefern keine Modelle, wir liefern Prognosen.
Die gesamte Architektur von Lokad wurde genau um diese Annahme herum entworfen, was bedauerlicherweise kaum geeignet ist, irgendwelche Informationen über unsere Modelle zu liefern.
Unser Prognosefluss, der Eingabedaten übernimmt und Prognosen ausgibt, ist:
- weitaus komplexer im Vergleich zu den mit statistischen Paketen ausgelieferten Modellen. Prognosen können nicht mit bekannten Modellen in Verbindung gebracht werden.
- maßgeschneidert für verteiltes Rechnen in der Wolke, daher wirkt das Design im Vergleich zu klassischen Toolkits sehr fremd.
- unterliegt ständigen Änderungen, da wir täglich Experimente mit agilen Deployment-Strategien durchführen.
Aber dieses Design hat auch sehr spezifische Vorteile:
- keine Notwendigkeit, komplexe Prognoseparameter abzustimmen.
- kein ständiges Überwachen deiner Parameter nötig – wir überwachen die Ergebnisse.
- skaliert so weit, wie du es benötigst, bis zu Millionen von Prognosen.
- bewältigt komplexe Muster, die weit über klassische Toolkits hinausgehen.
Wir verlangen dann nicht, dass jemand unsere Ergebnisse als selbstverständlich hinnimmt. Überzeuge dich selbst – unsere Testphase ist 30 Tage lang kostenlos.
Leserkommentare (2)
Hallo John, ja, das ist in der Tat eine sehr gute Frage! Gib mir etwas Zeit, und ich werde diese Frage im nächsten Beitrag direkt ansprechen.
Joannes Vermorel (vor 9 Jahren)
Vielleicht lautet eine bessere Frage: “Auf welcher Grundlage misst du die Prognoseleistung?” – also, wie zeigst du, dass deine Prognose “besser” ist – welches Maß wird dafür verwendet? Ist es möglich, dies unter der “Geheim”-Vorgabe zu beantworten?
John Dawson (vor 9 Jahren)