TreeNet®
Aumento De Gradiente
A ferramenta de aprendizado de máquina mais flexível, premiada e poderosa, o aumento de gradiente TreeNet®, é capaz de gerar consistentemente modelos muito precisos.
Para aqueles que não conhecem o TreeNet, ele é uma implementação poderosa da classe de aprendizado de máquina de algoritmos geralmente conhecidos como aumento de gradiente estocástico. Desenvolvido por Jerome Friedman na Stanford University, a técnica é conhecida por sua precisão preditiva soberba. O segredo está na forma como o modelo é construído: a cada iteração, uma pequena árvore é adicionada ao conjunto atual de árvores para corrigir os erros combinados do conjunto.
Com a utilização da variedade de funções de perda fornecidas, o processo pode ser ajustado para a tarefa de modelamento preditivo, como regressão de mínimos quadrados, regressão robusta, classificação, etc. Para ajudar com a interpretação do modelo, o TreeNet dá um passo além e gera automaticamente vários gráficos 2D e 3D para explicar a natureza da dependência da resposta variável nas entradas do modelo. O modelo é flexível o suficiente para descobrir e incorporar automaticamente várias interações multidirecionais e não linearidades. Um conjunto de controles adicional permite que o usuário ajuste detalhadamente as interações do modelo para atingir objetivos de design específicos.
Precisão inigualável
Nosso mecanismo de modelamento TreeNet tem um grau de precisão geralmente não alcançado por um modelo único ou por conjuntos, como empacotamento ou aumento convencional. Nossa metodologia não é sensível a erros de dados e não precisa de preparação de dados demoradas, pré-processamento ou imputação de valores perdidos. Com outros métodos, erros de dados podem ser muito desafiadores para data mining convencional e catastróficos para aumento convencional. Em contraste, o modelo TreeNet é imune a tais erros, pois rejeita dinamicamente dados que apontam que há muita variação com o modelo existente ou que estejam contaminados com rótulos de alvo errôneos.
Insights iluminados
Evite tentativas e erros convencionais ou técnicas de caminhar no escuro daqui em diante. Nosso mecanismo de modelamento TreeNet oferece um conjunto exclusivo de insights nos trabalhos internos dos seus modelos com gráficos de dependência. Nossos gráficos de dependência 2D parciais mostram a natureza dos efeitos principais, enquanto que os gráficos de dependência 3D parciais também incluem interações de dois fatores. Com os novos insights descobertos automaticamente pelo TreeNet, você poderá criar modelos de regressão e classificação altamente precisos se necessário.
Detecção de interação
A detecção de interação no nosso mecanismo de modelamento TreeNet estabelece se há necessidade de interações de qualquer tipo em um modelo preditivo. Esse sistema não só ajuda a melhorar o desempenho do modelo, muitas vezes drasticamente, como também ajuda na descoberta e no uso de novos insights valiosos.
Tem interesse em experimentar o mais premiado mecanismo de modelamento, TreeNet?
Métodos baseados em árvore da Minitab
Se estiver apenas começando ou procurando melhorar seus recursos de análise preditiva, os mecanismos de modelamento baseados em árvore têm o poder de que você precisa.
Saiba mais sobre todas as soluções de análise preditiva da Minitab
CART®
O algoritmo definitivo de árvore de classificação que revolucionou a análise avançada e inaugurou a era atual de ciência de dados.
Random Forests®
O poder para aproveitar várias análises alternativas, estratégias de aleatorização e aprendizagem em conjunto em um local conveniente.
TreeNet®
A ferramenta de aprendizado de máquina mais flexível e poderosa é aquela capaz de gerar consistentemente modelos muito precisos.