通过精确的预测分析为决策赋能
使用 Minitab 高评分分析软件尝试即时数据建模和预测
Minitab 被 Capterra 评为 2021 年最佳统计软件 | Minitab 被 Software Suggest 评为数据科学家的最佳统计分析软件 |
4立即免费开始使用的 4 个理由:
- 在没有编码或统计经验的情况下识别您数据中的趋势和机遇
- 易于使用的数据模型可快速确定目标的关键预测变量
- 屡获殊荣的决策树算法提供受信任的准确结果
- Machine Learning methods you can easily understand, visualize and execute机器学习方法易于理解、可视化和执行
立即输入您的专业详细信息,即可开始使用预测分析 >
CART®(分类和回归决策树)
这种基于树的算法是现代数据挖掘最常用的工具之一,它探索如何将数据拆分为更小段、随后以重复方式选择效果最佳的拆分直到找到最优集合为止。
Random Forests®(机器学习模型)
该算法基于 CART 树的集合,使用重复、随机化、抽样和集成学习,同时将独立树集合在一起,来确定森林的总体预测值。
TreeNet®(梯度推进算法)
我们最灵活、获得最多奖项、最强大的机器学习工具,具有迭代结构,可在构建集成的过程中更正合并错误,从而实现出色且一致的预测准确度,也因此而闻名于世。
预测性和描述性分析工具
预防性维护
- 寿命数据回归
- 保证预测
- 加速寿命试验
零售领域预测分析
- 聚类
- 客户行为建模
- 时间序列方法 (ARIMA)
医疗保健领域等待时间、治疗成本和满意度预测
- 拟合线图
- 二值拟合线图
- 拟合回归模型
- 二元 Logistic 回归
- CART 回归
- CART 分类
金融和保险领域防欺诈、信用评分、客户细分和需求预测
- 用于预测消费者行为的多元分析
- 聚类
- 决策树
- 因子分析
- 主成分分析 (PCA)
- Random Forests 和 TreeNet 梯度推进
决策树 - 受监督算法
数据挖掘中的机器学习和建模技术 - 受监督算法
分类:
- 线性判别分析 (LDA)
- 二次判别分析 (QDA)
- Logistic 回归
- 分类树
回归:
- 简单
- 多项式
- 多元
- 非线性
- 偏最小二乘
- 回归树
- 寿命数据回归
- 保证预测
时间序列方法:
- 趋势分析
- 综合自回归移动平均 (ARIMA)
- 移动平均
- 自相关
- 指数平滑
- 分解
- 互相关
- 保证预测
决策树 - 无监督算法
数据挖掘中的机器学习和建模技术 - 无监督算法
聚类:
- 观测值聚类
- 变量聚类
- K 均值聚类
- 因子分析
数据缩减:
- 主成分分析
- 因子分析
- 自动化机器学习
发现最佳数据模型:
- CART®
- Random Forests®
- TreeNet® 梯度推进
- ROC 曲线
- 相对变量重要性
Heading Label
“TreeNet 使我们可以轻松地专注于关键预测变量,并使我们设计出能够有效处理这些预测变量的策略。”
全球食品和饮料提供商 Tate & Lyle
“借助于 TreeNet,这家银行能够以 80% 到 90% 的准确率识别可能会转投其他银行的银行业务客户。”
中国某受欢迎的国有银行分行
"CART® compared data from practitioners caring for patients with SARS to data from practitioners who were not exposed to the virus, to identify risk factors for SARS-CoV transmission."
加拿大多伦多地区医院