• MARS

    多变量自适应回归样条

    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。

    与 Minitab 沟通

    MARS 采用的回归建模方法能够有效地揭示一些很难或者根本无法通过其他回归方法发现的重要数据模式和关系。MARS 建模引擎通过将一系列直线拼在一起来构建模型,其中的每条直线都可以有自己的斜率。这样,MARS 建模引擎就可以跟踪在数据中检测到的任何模式。

    高质量回归和分类

    MARS 模型旨在预测数值结果,例如,移动电话客户每月平均帐单,或者购物者访问一次网站预计会花费的金额。它还能为是/否结果生成高质量的分类模型。MARS 引擎可以执行变量选择、变量转换、交互作用检测和自行检验,所有这些都能自动高速执行。

    高性能结果

    MARS 引擎可在以下领域提供性能极高的结果:预测发电公司的电力学期、将客户满意度分数与产品的工程规范相关、地理信息系统 (GIS) 中的存在/缺席建模。

  • 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