Menu

Boosting de gradient

Le boosting de gradient de TreeNet® est l'outil d'exploration de données le plus flexible et puissant de Salford Predictive Modeler, capable de générer en permanence des modèles extrêmement précis. Le moteur de modélisation TreeNet offre un degré de précision que ni les modèles uniques ni les ensembles (tels que l'agrégation de bootstrap ou le boosting conventionnel) ne peuvent normalement atteindre.

Le moteur TreeNet offre des performances remarquables en matière de régression comme de classification. L'algorithme génère généralement des milliers de petits arbres de décision intégrés à un processus de correction d'erreur séquentiel pour converger vers un modèle précis. Le moteur de modélisation TreeNet a contribué à la majorité des récompenses reçues par Minitab dans le cadre de concours de modélisation.

Précision exceptionnelle :

Le moteur de modélisation TreeNet® offre un degré de précision qu'un modèle unique ou des ensembles, tels que l'agrégation de bootstrap ou le boosting conventionnel, ne peuvent normalement pas atteindre. Contrairement aux modèles neuromimétiques, la méthodologie TreeNet n'est pas sensible aux erreurs de données et vous épargne toute perte de temps liée aux tâches de préparation des données, de prétraitement ou d'imputation des valeurs manquantes. Ce type d’erreur de données peut être très problématique pour les méthodes d’exploration de données conventionnelles et est catastrophique pour le boosting conventionnel. Le modèle TreeNet est immunisé contre de telles erreurs, dans la mesure où il rejette dynamiquement les points de données d'apprentissage qui s'écartent trop du modèle existant. Le moteur de modélisation TreeNet est si robuste qu'il peut même traiter des données comportant des libellés cibles erronés.

Fonctions avancées :

La détection d'interactions établit si des interactions de quelque type que ce soit sont requises dans un modèle prédictif, et fait office de moteur de recherche pour déterminer précisément quelles sont les interactions importantes. Le système de détection d’interactions permet non seulement d’améliorer les performances du modèle (parfois de manière spectaculaire), mais favorise également la découverte de nouveaux segments utiles et de schémas récurrents non repérés jusqu’alors.

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 Logo

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 Logo

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 Logo

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 Logo

TreeNet®

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.

Pricing Icon

Tarifs

Pour plus d'informations sur les tarifs, contactez-nous.

University Icon

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.

Automation Icon

Automatisation

Plus de 70 scénarios (autrement dit, expériences) intégrés, inspirés par la manière dont les plus grands analystes de modèles organisent leur travail.

clear