Menu

Analyse prédictive et auto-apprentissage par la machine


Nous entendons souvent les expressions "auto-apprentissage par la machine" et "analyse prédictive", mais à quoi renvoient-elles et en quoi sont-elles liées ?

Machine Learning and Predictive Analytics

L'idée répandue selon laquelle l'analyse prédictive et l'auto-apprentissage par la machine sont deux concepts identiques est fausse. Bien que l'auto-apprentissage par la machine et l'analyse prédictive puissent s'appuyer tous deux sur les données pour faire des prédictions, leur façon de procéder n'est pas la même.

Qu'est-ce que l'auto-apprentissage par la machine ? Il s'agit d'une méthodologie au travers de laquelle des algorithmes effectuent une tâche spécifique sans instructions explicites ni règles prédéterminées. Ils se reposent en fait sur des tendances et des inférences pour faire des prédictions et les réajuster le cas échéant.

L'auto-apprentissage par la machine se divise en deux types de tâches : supervisé et non supervisé. Dans le cadre de l'apprentissage supervisé, le processus de création du modèle d'auto-apprentissage par la machine est guidé par une variable de réponse dédiée. L'apprentissage non supervisé, quant à lui, utilise de manière égale toutes les variables dans la mesure où il n'a pas de cible dédiée.

Qu'est-ce que l'analyse prédictive ? Il s'agit d'une catégorie d'analyse des données qui vise à faire des prédictions sur des résultats futurs en fonction de données historiques et de techniques d'analyse. L'analyse prédictive utilise différentes techniques statistiques (notamment, l'exploration de données, l'auto-apprentissage par la machine et la modélisation prédictive) pour identifier les occurrences futures.

Solutions d'analyse prédictive de Minitab

 

Les algorithmes performants d'auto-apprentissage par la machine développés par Minitab sont à même d'offrir des renseignements plus précis sur vos données.

CART® (arbres de classification et de régression)

Cet algorithme fondé sur les arbres est l'un des outils d'exploration de données les plus populaires. Il trouve comment fractionner les données en segments plus petits, puis sélectionne de manière récursive les fractions les plus performantes jusqu'à obtenir le résultat idéal.

Découvrir CART

Random Forests®

Cet algorithme est fondé sur un ensemble d'arbres CART et utilise les techniques de répétition, de randomisation, d'échantillonnage et d'apprentissage ensembliste tout en regroupant simultanément des arbres indépendants afin de déterminer la prédiction globale de la forêt.

Découvrir Random Forests

TreeNet® (boosting de gradient)

Notre outil d'auto-apprentissage par la machine le plus puissant, le plus flexible et le plus récompensé est salué pour la précision et la cohérence de ses prévisions, fruits d'une structure itérative qui corrige les erreurs combinées au fur et à mesure de la création de l'ensemble.

Découvrir TreeNet

Auto-apprentissage par la machine automatisé

Utilisez cet outil automatisé afin de confirmer facilement que vous utilisez le meilleur modèle prédictif pour répondre à vos interrogations. Il est parfait pour ceux qui ne connaissent pas encore l'analyse prédictive et qui ont besoin de recommandations ainsi que pour les experts qui souhaitent un second avis.

Découvrir l'auto-apprentissage par la machine automatisé

Etes-vous prêt à découvrir le module d'analyse
prédictive de Minitab ?

Algorithmes d'auto-apprentissage par la machine chez Minitab

Algorithmes supervisés

 

Classification :

– Analyse discriminante linéaire (ADL)
– Analyse discriminante quadratique (ADQ)
– Régression logistique
– Arbres de classification
 

Régression :

– Simple
– Polynomiale
– Multiple
– Non linéaire
– Moindres carrés partiels
– Arbres de régression
– Régression sur la durée de vie
– Prédiction de garantie

Méthodes de série chronologique

Algorithmes non supervisés

 

Regroupement :

– Observations en groupes
– Variables de groupes
– K-Moyennes en groupes
– Analyse factorielle
 

Réduction de données :

– Analyse en composantes principales
– Analyse factorielle

Ressources et outils supplémentaires

MARS

MARS®

Grâce au modèle d'auto-apprentissage par la machine qui se rapproche le plus de la régression traditionnelle, mettez en évidence des interactions et des non-linéarités essentielles presque impossibles à déceler.

quickstart
MSSassistant

Vous souhaitez en savoir plus ?

clear