Liste de fonctions
SALFORD PREDICTIVE MODELER
Fonctionnalités générales de Salford Predictive Modeler® 8 :
- Moteur de modélisation : Arbres de décision CART®
- Moteur de modélisation : Boosting de gradient TreeNet®
- Moteur de modélisation : Ensemble d'arbres Random Forests®
- Moteur de modélisation : Splines de régression non linéaires MARS®
- Moteur de modélisation : Régression régularisée GPS (LASSO, filet élastique, Ridge, etc.)
- Moteur de modélisation : RuleLearner®, qui allie la précision de TreeNet à la facilité d'interprétation de la régression
- Moteur de modélisation : Compression de modèle ISLE
- Plus de 70 sous-programmes d'automatisation intégrés pour une construction de modèles et une expérimentation avancées
- Des outils pour alléger la charge de travail, permettant ainsi à l’analyste de se concentrer sur les aspects créatifs du développement de modèles.
- Prise en charge des feuilles de travail Minitab (MTW)
Fonctionnalités CART® :
- Détection des parties les plus importantes de l'arbre et des règles associées
- Mesures d'importance de variable pour identifier les variables les plus importantes de l'arbre
- Déployez le modèle et générez des prévisions en temps réel ou autre
- Divisions définies par l'utilisateur à n'importe quel point de l'arbre
- Modélisation par levier différentiel (également appelé "uplift" or "réponse incrémentielle") pour l'évaluation de l'efficacité d'un traitement
- Outils d'automatisation pour la mise au point de modèles et autres expériences, parmi lesquelles :
- Système automatique d'élimination de caractéristique récursive pour une sélection de variables avancée
- Testez les probabilités a priori pour obtenir un modèle qui offre de meilleurs taux de précision pour la classe la plus importante
- Effectuez une validation croisée répétée
- Construisez des modèles CART sur des échantillons bootstrap
- Construisez deux modèles liés, le premier prévoyant un événement binaire et le second une valeur numérique. Par exemple, si une personne effectuera ou non un achat et le montant de l'achat concerné.
- Découvrez l'impact de partitions d'apprentissage et de test différentes
Fonctionnalités MARS® :
- Visualisez l'effet des variables sur la réponse grâce à des graphiques
- Déterminez l'importance d'une variable ou d'un ensemble de variables d'interaction
- Déployez le modèle et générez des prévisions en temps réel ou autre
- Outils d'automatisation pour la mise au point de modèles et autres expériences, parmi lesquelles :
- Système automatique d'élimination de caractéristique récursive pour une sélection de variables avancée
- Evaluez automatiquement l'impact de l'autorisation des interactions dans le modèle
- Trouvez facilement la meilleure valeur de couverture minimale
- Effectuez une validation croisée répétée
- Découvrez l'impact de partitions d'apprentissage et de test différentes
Fonctionnalités TreeNet® :
- Visualisez l'effet des variables sur la réponse du modèle grâce à des diagrammes de dépendance partielle
- Fonctions objectif de régression : moindres carrés, moindre écart absolu, quantile, M-estimateur, régression de Cox, régression Gamma, régression binomiale négative, régression de Poisson et régression de Tweedie
- Fonctions objectif de classification : binaire ou multinomiale
- Modélisation par levier différentiel (également appelé "uplift" or "réponse incrémentielle")
- Sous-échantillonnage en colonne pour améliorer les performances du modèle et accélérer l'exécution.
- Boosting de gradient régularisé (RGBOOST) pour une plus grande précision.
- RuleLearner : construisez des modèles de régression faciles à interpréter en combinant le boosting de gradient TreeNet et la régression régularisée (LASSO, filet élastique, Ridge, etc.)
- ISLE : Construisez des modèles de boosting de gradient plus petits et plus efficaces avec la régression régularisée (LASSO, filet élastique, Ridge, etc.)
- Contrôle de découverte d'interaction de variables
- Déterminez clairement s'il est nécessaire d'inclure des interactions de tous niveaux
- Contrôlez les interactions autorisées ou non dans le modèle avec le langage de contrôle d'interactions breveté de Minitab
- Découvrez les interactions les plus importantes dans le modèle
- Outils de calibrage pour la modélisation d'événements rares
- Outils d'automatisation pour la mise au point de modèles et autres expériences, parmi lesquelles :
- Système automatique d'élimination de caractéristique récursive pour une sélection de variables avancée
- Testez automatiquement différents taux d'apprentissage
- Contrôlez l'étendue des interactions intervenant dans le modèle
- Construisez deux modèles liés, le premier prévoyant un événement binaire et le second une valeur numérique. Par exemple, si une personne effectuera ou non un achat et le montant de l'achat concerné.
- Trouvez les meilleurs paramètres pour votre modèle de boosting de gradient
- Effectuez une recherche stochastique pour les paramètres clés du boosting de gradient
- Découvrez l'impact de partitions d'apprentissage et de test différentes
Fonctionnalités Random Forests® :
- Idéal pour la classification, la régression ou la mise en cluster
- Détection des valeurs aberrantes
- Carte thermique par proximité et mise à l'échelle multidimensionnelle pour la visualisation des clusters dans des problèmes de classification (binaire ou multinomiale)
- Diagramme de coordonnées parallèles pour une meilleure identification des niveaux de prédicteurs qui entraînent une catégorisation particulière
- Imputation avancée pour les données manquantes
- Apprentissage non supervisé : Random Forest crée la matrice de proximité, puis applique des techniques de mise en cluster hiérarchique
- Mesures d'importance de variable pour identifier les variables les plus importantes dans le modèle
- Déployez le modèle et générez des prévisions en temps réel ou autre
- Outils d'automatisation pour la mise au point de modèles et autres expériences, parmi lesquelles :
- Système automatique d'élimination de caractéristique récursive pour une sélection de variables avancée
- Ajustez facilement la taille des sous-ensembles aléatoires utilisés à chaque division de chaque arbre
- Evaluez l'impact des différents effectifs d'échantillons bootstrap
- Découvrez l'impact de partitions d'apprentissage et de test différentes
QUE FAISONS-NOUS ?
Minitab aide les entreprises à améliorer l'efficacité et
la qualité via une analyse intelligente des données.
Salford Predictive Modeler® 8
La suite intégrée de logiciels d'auto-apprentissage par la machine de Minitab
CART®
Le moteur de modélisation CART® de SPM est l'arbre de classification qui a révolutionné le domaine de l'analyse avancée, ouvrant une nouvelle ère dans le domaine de la science des données.
Random Forests®
Random Forests® est un moteur de modélisation qui s'appuie sur plusieurs analyses alternatives, sur des stratégies de randomisation et sur l'apprentissage ensembliste.
MARS®
Le moteur de modélisation MARS® est idéal pour les utilisateurs qui préfèrent que leurs résultats se présentent comme dans une régression traditionnelle tout en mettant en évidence les interactions et les non-linéarités essentielles.
TreeNet®
TreeNet® Gradient Boosting is SPM’s most flexible and powerful data mining tool, capable of consistently generating extremely accurate models.
Tarifs
Pour plus d'informations sur les tarifs, contactez-nous.
Programme Université
Notre programme Université met les moteurs de modélisation SPM®, CART®, MARS®, TreeNet® et Random Forests® à disposition de la communauté universitaire avec d'importantes remises sur les droits de licences.
Automatisation
Plus de 70 scénarios (autrement dit, expériences) intégrés, inspirés par la manière dont les plus grands analystes de modèles organisent leur travail.