• Salford Predictive Modeler

    Lista de recursos

    Recursos gerais do Salford Predictive Modeler® 8:

    • Mecanismo de modelamento: Árvores de decisões CART®
    • Mecanismo de modelamento: Aumento de gradiente TreeNet®
    • Mecanismo de modelamento:Grupo de árvores Random Forests®
    • Mecanismo de modelamento: Splines de regressão não linear MARS®
    • Mecanismo de modelamento: Regressão regularizada GPS (LASSO, Elastic Net, Ridge, etc.)
    • Mecanismo de modelamento: RuleLearner®, incorporando a precisão do TreeNet mais a capacidade de interpretação da regressão
    • Mecanismo de modelamento: Compressão do modelo ISLE
    • Mais de 70 rotinas de automação prontas para melhor criação e experimentação de modelos
    • Ferramentas para aliviar trabalhos extenuantes, que permitem que o analista foque nos aspectos criativos do desenvolvimento de modelos.
    • Recurso Abrir planilha do Minitab (.MTW)

    Recursos do CART®:

    • Detecção de hotspots para descobrir as partes mais importantes da árvore e as regras de árvore correspondentes
    • Medições de importância de variáveis para compreender as variáveis mais importantes da árvore
    • Implante o modelo e gere previsões em tempo real ou não
    • Divisões definidas pelo usuário em qualquer ponto da árvore
    • Modelamento de levantamento diferencial (também chamado de “uplift” ou “resposta incremental”) para avaliar a eficácia de um tratamento
    • Ferramentas de automação para ajuste de modelo e outros experimentos, incluindo
      • Eliminação recursiva de recursos automática para seleção avançada de variáveis
      • Experimente com probabilidades a priori para obter um modelo com melhores taxas de precisão para a classe mais importante
      • Execute validação cruzada repetida
      • Crie modelos CART em amostras por bootstrap
      • Crie dois modelos vinculados, onde o primeiro prevê um evento binário enquanto que o segundo prevê um valor numérico. Por exemplo, para prever se alguém vai comprar e quanto vai gastar.
      • Descubra o impacto de diferentes partições de aprendizado e teste

    Recursos do MARS®:

    • Compreenda graficamente como as variáveis afetam a resposta do modelo
    • Determine a importância de uma variável ou conjunto de variáveis que interagem
    • Implante o modelo e gere previsões em tempo real ou não
    • Ferramentas de automação para ajuste de modelo e outros experimentos, incluindo
      • Eliminação recursiva de recursos automática para seleção avançada de variáveis
      • Avalie automaticamente o impacto das seguintes interações no modelo
      • Encontre facilmente o melhor valor de intervalo mínimo
      • Execute validação cruzada repetida
      • Descubra o impacto de diferentes partições de aprendizado e teste

    Recursos do TreeNet®:

    • Compreenda graficamente como as variáveis afetam a resposta do modelo com gráficos de dependência parcial
    • Funções de perda de regressão: quadrados mínimos, desvio absoluto mínimo, quantil, Huber-M, sobrevivência de Cox, função gama, binomial negativa, Poisson e Tweedie
    • Funções de perda de classificação: binário ou multinomial
    • Modelamento de levantamento diferencial (também chamado de “uplift” ou “resposta incremental”)
    • Subamostragem de coluna para melhorar o desempenho do modelo e acelerar o tempo de execução.
    • Aumento de gradiente regularizado (RGBOOST) para melhorar a precisão.
    • RuleLearner: crie modelos de regressão interpretáveis ao combinar aumento de gradiente TreeNet e regressão regularizada (LASSO, Elastic Net, Ridge, etc.)
    • ISLE: Crie modelos de aumento de gradiente menores e mais eficazes com regressão regularizada (LASSO, Elastic Net, Ridge, etc.)
    • Controle de descoberta de interação variável
      • Determine definitivamente se interações de qualquer grau devem ser incluídas
      • Controle as interações permitidas ou impedidas no modelo com a linguagem de controle de interações patenteada da Minitab
    • Descubra as interações mais importantes no modelo
    • Ferramentas de calibração para modelamento de evento raro
    • Ferramentas de automação para ajuste de modelo e outros experimentos, incluindo
      • Eliminação recursiva de recursos automática para seleção avançada de variáveis
      • Experimente diferentes taxas de aprendizado automaticamente
      • Controle a quantidade de interações que ocorrem no modelo
      • Crie dois modelos vinculados, onde o primeiro prevê um evento binário enquanto que o segundo prevê um valor numérico. Por exemplo, para prever se alguém vai comprar e quanto vai gastar.
      • Encontre os melhores parâmetros em seu modelo de aumento de gradiente regularizado
      • Execute uma pesquisa estocástica para os parâmetros principais de aumento de gradiente
      • Descubra o impacto de diferentes partições de aprendizado e teste

    Recursos do Random Forests®:

    • Use para classificação, regressão ou agrupamento
    • Detecção de outlier
    • Mapa de concentração e escala multidimensional para determinar graficamente agrupamentos nos problemas de classificação (binário ou multinomial)
    • Gráfico de coordenadas paralelas para melhor compreensão de quais níveis de valor de preditor levam a uma atribuição de classe específica
    • Imputação avançada de valores perdidos
    • Aprendizado sem supervisão: O Random Forest cria a matriz de proximidade e depois as técnicas de agrupamento hierárquico são aplicadas
    • Medições de importância de variáveis para compreender as variáveis mais importantes do modelo
    • Implante o modelo e gere previsões em tempo real ou não
    • Ferramentas de automação para ajuste de modelo e outros experimentos, incluindo
      • Eliminação recursiva de recursos automática para seleção avançada de variáveis
      • Ajuste detalhado fácil do tamanho do subconjunto aleatório tomado em cada divisão de cada árvore
      • Avalie o impacto de diferentes tamanhos de amostras por bootstrap
      • Descubra o impacto de diferentes partições de aprendizado e teste

  • O que fazemos

    Os produtos da Minitab ajudam as empresas a aumentarem a eficiência e
    melhorarem a qualidade por meio de análise inteligente de dados.

    Fale com a Minitab
  • Salford Predictive Modeler® 8
    Pacote integrado de software de aprendizado de máquina da Minitab
    CART®

    O mecanismo de modelamento CART® do SPM é a árvore de classificação definitiva que revolucionou o campo da análise avançada e inaugurou a era atual de ciência de dados.

    Mais informações
    Random Forests®

    O mecanismo de modelamento Random Forests® aproveita o poder de várias análises alternativas, estratégias de aleatorização e aprendizado em conjunto.

    Mais informações
    MARS®

    O mecanismo de modelamento MARS® é ideal para usuários que preferem resultados em uma forma similar à regressão tradicional, ao capturar não linearidades e interações essenciais.

    Mais informações
    TreeNet®

    O aumento de gradiente TreeNet® é a ferramenta de data mining mais flexível e poderosa, capaz de gerar consistentemente modelos extremamente precisos.

    Mais informações
  • Preço

    Entre em contato conosco para obter informações de preços.

    Entre em contato conosco
    Programa universitário

    Nosso Programa universitário fornece os mecanismos de modelamento SPM®, CART®, MARS®, TreeNet® e Random Forests® por taxas de licenciamento com redução significativa para a comunidade acadêmica.

    Entre em contato conosco
    Automação

    Mais de 70 cenários prontos, em sua maior parte experimentos, inspirados em como os principais profissionais de modelamento estruturam seu trabalho.

    Mais informações

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado. Leia nossa política

OK