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.
La méthode de modélisation de régression appliquée dans MARS permet de déceler efficacement les schémas récurrents et les relations importantes qui sont difficiles, voire impossibles, à repérer avec d'autres méthodes de régression. Le moteur de modélisation MARS construit ses modèles par l'assemblage d'une série de lignes droites, dont chacune peut avoir sa propre inclinaison. Grâce à cela, le moteur de modélisation MARS est en mesure de représenter n'importe quel schéma détecté dans les données.
Régression et classification haute qualité
Le modèle utilisé par MARS est conçu pour prévoir des résultats numériques, tels que la facture de téléphone mobile mensuelle moyenne d'un client ou le montant qu'un consommateur est censé dépenser lors d'une visite d'un site Web. Le moteur MARS est également capable de produire des modèles de classification de haute qualité pour des résultats binaires de type oui/non. Le moteur MARS peut effectuer des tâches de sélection de variables, de transformation de variables, de détection d'interactions et d'auto-évaluation automatiquement et avec une grande rapidité.
Résultats hautes performances
Le moteur MARS a produits des résultats de la plus haute qualité dans des domaines aussi divers que la prévision de la demande pour les entreprises productrices d'électricité, la détermination du lien entre la satisfaction client et les spécifications techniques de produits, ou encore la modélisation de données de présence/absence dans des systèmes d'information géographiques (SIG).
Minitab aide les entreprises à améliorer l'efficacité et la qualité via une analyse intelligente des données.
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.
Le moteur de modélisation Random Forests® s'appuie sur plusieurs analyses alternatives, sur des stratégies de randomisation et sur l'apprentissage ensembliste.
Le boosting de gradient de TreeNet® est l'outil d'exploration de données le plus flexible et puissant de SPM, capable de générer en permanence des modèles extrêmement précis.
Pour plus d'informations sur les tarifs, contactez-nous.
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.
Plus de 70 scénarios (autrement dit, expériences) intégrés, inspirés par la manière dont les plus grands analystes de modèles organisent leur travail.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu. Lisez notre politique