Document

Existem dois tipos de modelos preditivos:

Supervisionados	Não supervisionados
Nesse caso, sabe-se os dados de entrada e de saída. No exemplo dado anteriormente temos os dados de entrada e de saída, pois temos as informações que fazem a pessoa escolher um caminho ou outro. Esses dados fazem parte do treinamento do modelo. O treinamento dura até que o modelo aprenda a mapear os dados e a identificar padrões entre as entradas e as saídas.	Nesse caso temos apenas os dados de entrada e sua função é descobrir os relacionamentos entre os dados apresentados, mas não os de saída. No exemplo anterior é como se não soubéssemos os caminhos que seriam percorridos.

Quando o modelo está validado, pode entrar em operação, ou seja, começa a ser aplicado para identificar as possibilidades, no caso do exemplo dado, que caminho será percorrido pela pessoa, antes que aconteça. Expandindo para outros assuntos, essas informações agregam ao modelo regras de negócio, como agrupar clientes por rentabilidade, por idade entre outras informações.

Entre todas as lições aprendidas com as experiências com modelos preditivos, vale destacar alguns fatores importantes para a sua aplicação:

É necessário dados em volume adequado para o modelo aprender e identificar um padrão;
Os dados têm que ser válidos, se tivermos a base de dados com erros, não existe modelo que gere resultados adequados.

No modelo preditivo como em qualquer outros já estudados, como o CMMI e o MPS-BR, se entram informações erradas, sairão informações erradas processadas.