• Salford Predictive Modeler

    功能列表

    Salford Predictive Modeler® 8 常规功能:

    • 建模引擎:CART® 决策树
    • 建模引擎:TreeNet® 梯度推进
    • 建模引擎:Random Forests® 树集成
    • 建模引擎:MARS® 非线性回归样条
    • 建模引擎:GPS 正则化回归(LASSO、Elastic Net、Ridge 等)
    • 建模引擎:RuleLearner®,既有 TreeNet 的卓越准确性又有回归方法的出色互操作性
    • 建模引擎:ISLE 模型压缩
    • 预打包了 70 多个自动化例程,旨在增强模型构建和试验
    • 这类工具能够将分析人员从乏味的工作中解放出来,让他们有更多时间专注在模型开发等有创意的工作上。
    • 打开 Minitab 工作表 (.MTW) 功能

    CART® 功能:

    • 检测热点,用于发现树上最重要的部分和相应的树规则
    • 度量变量重要性,用于了解树中最重要的变量
    • 实时或以其他方式部署模型和生成预测
    • 在树中的任意点处按用户定义进行拆分
    • 差动提升(又称为“上升”或“增量响应”)建模,用于评估治疗效力
    • 自动化工具,用于调整模型和包括其他试验
      • 自动递归功能消除,用于高级变量选择
      • 用先验概率进行试验,用于获取可针对更重要的类获得更高准确率的模型
      • 反复执行交叉验证
      • 基于自引导样本构建 CART 模型
      • 构建两个链接模型,用第一个预测二元事件,用第二个预测数值。例如,预测某人是否将购物以及将花费的金额。
      • 发现不同学习和检验分区带来的影响

    MARS® 功能:

    • 以图形方式了解变量对模型响应的影响
    • 确定变量或一组发生交互作用的变量的重要性
    • 实时或以其他方式部署模型和生成预测
    • 自动化工具,用于调整模型和包括其他试验
      • 自动递归功能消除,用于高级变量选择
      • 自动评估在模型中允许交互作用所带来的影响
      • 轻松查找最佳的最小跨越值
      • 反复执行交叉验证
      • 发现不同学习和检验分区带来的影响

    TreeNet® 功能:

    • 使用部分依赖图以图形方式了解变量对模型响应的影响
    • 回归损失函数:最小二乘、最小绝对偏差、分位数、Huber-M、Cox 生存、Gamma、负二项式、Poisson 和 Tweedie
    • 分类损失函数:二元或多项式
    • 差动上升(又称为“上升”或“增量响应”)建模
    • 列二次抽样,可改进模型性能并加快运行。
    • 正则化梯度推进 (RGBOOST),可提高准确度。
    • RuleLearner:通过组合 TreeNet 梯度推进和正则化回归(LASSO、弹性网络、岭等)来构建可解释的回归模型
    • ISLE:使用正则化回归(LASSO、弹性网络、岭等)构建更小、更高效的梯度推进模型
    • 可变交互作用发现控制
      • 明确确定是否需要包括任何程度的交互作用
      • 使用 Minitab 的专利交互作用控制语言来控制模型中允许或禁止的交互作用
    • 发现模型中最重要的交互作用
    • 适用于罕见事件建模的校准工具
    • 自动化工具,用于调整模型和包括其他试验
      • 自动递归功能消除,用于高级变量选择
      • 自动使用不同的学习速率进行试验
      • 控制模型中发生的交互作用程度
      • 构建两个链接模型,用第一个预测二元事件,用第二个预测数值。例如,预测某人是否将购物以及将花费的金额。
      • 在正则化梯度推进模型中查找最佳参数
      • 针对核心梯度推进参数执行随机搜索
      • 发现不同学习和检验分区带来的影响

    Random Forests® 功能:

    • 用于分类、回归或聚类
    • 异常值检测
    • 接近性热图和多维尺度,以图形方式确定分类问题中的聚类(二元或多项式)
    • 平行坐标图,可以更好地了解哪些水平的预测变量值导致了特定类别的分配
    • 高级缺失值插补
    • 无监督学习:Random Forest 创建临近度矩阵,随后应用分层聚类方法
    • 度量变量重要性,用于了解模型中最重要的变量
    • 实时或以其他方式部署模型和生成预测
    • 自动化工具,用于调整模型和包括其他试验
      • 自动递归功能消除,用于高级变量选择
      • 轻松微调在每个树中的每个分割处提取的随机子集大小
      • 评估不同自引导样本大小所造成的影响
      • 发现不同学习和检验分区带来的影响

  • 我们的工作

    Minitab 产品通过智能数据分析
    帮助企业提高效率并改进质量。

    与 Minitab 沟通
  • Salford Predictive Modeler® 8
    Minitab 的机器学习软件集成套件
    CART®

    SPM 的 CART® 建模引擎是绝佳的分类树,为高级分析领域带来创新,开启了暂新的数据科学时代。

    了解更多
    Random Forests®

    Random Forests® 建模引擎充分发挥多个备选分析、随机化策略和集成学习方法的功效。

    了解更多
    MARS®

    MARS® 建模引擎最适合那些希望采用与传统回归类似的形式输出结果并同时希望捕获基本的非线性交互数据的用户。

    了解更多
    TreeNet®

    TreeNet® 梯度推进是 SPM 中一款最灵活、最强大的数据挖掘工具,能够按照统一的方式生成非常准确的模型。

    了解更多
  • 定价

    有关定价信息,请联系我们。

    联系我们
    大学计划

    我们的大学计划旨在以显著降低的许可费用向教育社区提供 SPM®、CART®、MARS®、TreeNet® 和 Random Forests® 建模引擎。

    联系我们
    自动化

    预打包了 70 多种方案,这些基本上都是受领先模型分析人员构造他们的建模作品的启发而得到的试验方案。

    了解更多

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。 请阅读我们的政策