Lista de recursos
SALFORD PREDICTIVE MODELER
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.
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.
Random Forests®
O software Random Forests® é uma ferramenta de modelamento que aproveita o poder de várias análises alternativas, estratégias de aleatorização e aprendizado em conjunto.
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.
TreeNet®
O aumento de gradiente TreeNet® é a ferramenta de data mining mais flexível e poderosa, capaz de gerar consistentemente modelos extremamente precisos.
Preço
Entre em contato conosco para obter informações de preços.
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.
Automação
Mais de 70 cenários prontos, em sua maior parte experimentos, inspirados em como os principais profissionais de modelamento estruturam seu trabalho.