菜单

预测分析


我们经常听到机器学习和预测分析,但它们的具体含义是什么,两者之间如何相互关联的?

Machine Learning and Predictive Analytics

机器学习和预测分析均利用数据做出未来预测,但所采用的方式不同:

机器学习是什么?机器学习是一种方法,其中多个算法在没有明确指示或预定规则的情况下,基于模式和推断执行特定任务,以做出预测并根据需要重新校正。

机器学习进一步细分为受监督学习和无监督学习。在受监督学习中,模型构建过程由专门的响应变量引导。相比之下,无监督学习对所有变量的使用情况一样,因为其没有专门的目标。

预测分析是什么?预测分析是数据分析的一个类别,目标是基于历史数据和分析技术对未来结果做出预测。

Minitab 的机器学习和预测分析解决方案

 

借助 Minitab 的预测分析和机器学习功能,掌控数据并获得宝贵的见解。

我们可以跨产品套件提供多个预测分析模型和工具,它们能够提供准确度、直观可视化和处理复杂问题的功能。

受监督学习

 

分类:

- 线性判别分析 (LDA)
- 二次判别分析 (QDA)
- Logistic 回归
- 分类树
 

回归:

- 简单
- 多项式
- 多元
- 非线性
- 偏最小二乘
- 回归树
- 寿命数据回归
- 保证预测

时间序列方法

无监督学习

 

聚类:

- 观测值聚类
- 变量聚类
- K 均值聚类
- 因子分析
 

数据缩减:

- 主成分分析
- 因子分析

Minitab 基于树的预测模型

 

我们业内一流的基于树的专利机器学习算法不仅能够提供更深入的见解和可视化与决策树的多个复杂交互,还能够处理具有更多变量的较大数据集以及凌乱数据、缺失值、随机异常值和非线性关系。

CART® (分类和回归树)

CART 是现代数据挖掘最常用且最重要的工具之一,它是一种基于树的算法,用于探索将数据拆分为更小段、随后以递归方式选择效果最佳的拆分直到找到最优集合为止的方法。

了解有关 CART 的更多信息

注意:最新版 Minitab Statistical Software 自动包含 CART。

Random Forests®

基于 CART 树的集合,Random Forests 方便地在包含众多独立树的单个位置利用重复、随机化、抽样和集成学习,并且确定森林的总体预测值。

了解有关 Random Forests 的更多信息

TreeNet®(梯度推进)

TreeNet 梯度推进是我们最灵活、获得最多奖项、最强大的机器学习工具,具有迭代结构,可在构建集成的过程中更正合并错误,从而实现出色且一致的预测准确度,也因此而闻名于世。

了解有关 TreeNet 的更多信息

是否准备好了解 Minitab 的预测
分析模块?

其他预测分析工具和资源

 

我们提供许多有关预测分析和机器学习的内容,Minitab 的预测分析模块仅是其中一部分。

MARS

MARS®

借助与传统回归最为类似的机器学习模型,MARS® 可捕获几乎无法发现的基本非线性交互数据。

quickstart
MSSassistant

踏上提升预测分析之路

clear