Как работает проект

Проект начинается с одного или двух файлов данных:

• Train file — ваши реальные, собранные ответы на опрос.
• Predict file (необязательно) — совокупность, для которой вы хотите сгенерировать синтетические ответы. Если у вас нет отдельного файла, n-Infinite может автоматически разделить один загруженный файл на обучающую и прогнозирующую части на основе того, где начинается анкета (Swift mode), используя одну и ту же структуру респондентов на протяжении всего процесса.

n-Infinite принимает распространенные форматы опросов и экспорта данных: CSV, Excel (XLSX/XLS), JSON, Parquet, Feather и SPSS (.sav) — включая метки переменных SPSS.

После загрузки проект проходит четкий конвейер: первоначальная настройка и валидация, обучение, прогнозирование и завершение. По ходу выполнения его можно приостанавливать, возобновлять или перезапускать, а платформа отслеживает статус на каждом шаге.

Типы проектов

	Вариант использования	Train file	Predict file	Поведение	Примечания
Single File	Проекты по ускорению полевых исследований, проекты на основе API	Полевые данные (завершенные опросы) + данные профилирования	—	Автоматически разделяет файл на обучающие и прогнозирующие наборы	Если последний вопрос не является обязательным, добавьте столбец Completed = Y для идентификации полных ответов
Split File	Проекты по ускорению полевых исследований: полевые данные + готовые профили	Полевые данные (завершенные опросы)	Данные профилирования	Прогнозирует все целевые столбцы. Файл Predict file не должен содержать названия столбцов, которые будут прогнозироваться	Последний столбец не является обязательным, даже если он необязательный — поддерживается автоматическое определение
Complete-the-Incomplete	Преобразование незавершенных опросов в полные	Полевые данные (завершенные опросы) + полевые данные (незавершенные опросы)	—	Считывает строки справа налево для прогнозирования отсутствующих данных; существующие данные используются для обучения, даже в неполных строках	Если последний вопрос не является обязательным, добавьте столбец Completed = Y
Boost — Swift	Проекты по ускорению без доступности профилей. Идеально для B2B	Полевые данные (завершенные опросы)	—	Добавляет идентичное количество синтетических строк прогнозирования, используя существующее профилирование. Требует постобработки весов	Выберите начальный вопрос для прогнозирования и желаемые целевые показатели взвешивания
Boost — Express	Проекты по ускорению без доступности профилей. Идеально для больших ускорений и B2C	Полевые данные (завершенные опросы)	—	Добавляет от 1× до n× количества строк прогнозирования; импутирует реальные профили из данных национальной переписи (предустановленные опции стран). Требует постобработки весов	Выберите начальный вопрос для прогнозирования и целевые показатели взвешивания. Требуется сопоставление столбцов переписи

Типичная структура файла

По горизонтали типичный файл n-Infinite организован следующим образом:

1. Данные профилирования
   • Идентификация респондента (UserId, Id, …)
   • Демографические данные: пол, возраст, место жительства, этническая принадлежность, …
   • Дополнительное профилирование: психографические данные (B2C) или фирмографические данные (B2B)
   • Скрининговые вопросы (если вы предпочитаете держать их вне обучающих данных)
2. Обучающие данные — ответы из поля.

По вертикали:

• Single file: строки train и predict смешаны — полные строки против строк только с профилем, или полные строки против неполных строк.
• Split files: обучающие данные находятся в файле train file; в файле predict file удалите названия столбцов полей, которые будут прогнозироваться.

Советы по оптимизации файлов

1. Допустимые форматы: Excel (.xlsx, .xls), с разделителями-запятыми (.csv) и SPSS (.sav).
2. Никогда не включайте повторяющиеся названия полей.
3. Удалите информацию, не относящуюся к профилированию, кроме идентификационной: контрольные суммы, временные метки, личная информация.
4. Избегайте полей с низкой плотностью (более 90% пустых ячеек).
5. По возможности включите поле с названием Start с одним значением (например, Y) непосредственно перед началом обучающих данных.
6. Если столбцы заканчиваются неравномерно (последний столбец может быть пустым), включите поле с названием End с одним значением (например, Y) в конце файла.

См. Подготовка файла данных для ознакомления с соглашениями о кодировании, на которые опирается платформа для правильного считывания структуры вашей анкеты с первой попытки.