● 預(yù)測分析和機(jī)器學(xué)習(xí)

我們經(jīng)常聽到機(jī)器學(xué)習(xí)和預(yù)測分析，但它們的具體含義是什么，兩者之間如何相互關(guān)聯(lián)的？

● 機(jī)器學(xué)習(xí)是什么？機(jī)器學(xué)習(xí)是一種方法，其中多個算法在沒有明確指示或預(yù)定規(guī)則的情況下，基于模式和推斷執(zhí)行特定任務(wù)，以做出預(yù)測并根據(jù)需要重新校正。

● 預(yù)測分析是什么？預(yù)測分析是數(shù)據(jù)分析的一個類別，目標(biāo)是基于歷史數(shù)據(jù)和分析技術(shù)對未來結(jié)果做出預(yù)測。預(yù)測分析使用各種統(tǒng)計方法（包含數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和預(yù)測建模）來了解未來發(fā)生的事情。

● Minitab 的預(yù)測分析解決方案

● 我們業(yè)內(nèi)一流的專利機(jī)器學(xué)習(xí)算法擁有為您的數(shù)據(jù)提供更深入見解的能力

● 預(yù)測分析模塊可以幫助回答以下問題：

● CART?（分類和回歸樹）——決策樹

● 這種基于樹的算法是現(xiàn)代數(shù)據(jù)挖掘最常用的工具之一，它探索如何將數(shù)據(jù)拆分為更小段、隨后以重復(fù)方式選擇效果最佳的拆分直到找到最優(yōu)集合為止。

● Random Forests?——隨機(jī)森林

● 該算法基于 CART 樹的集合，使用重復(fù)、隨機(jī)化、抽樣和集成學(xué)習(xí)，同時將獨(dú)立樹集合在一起，來確定森林的總體預(yù)測值。

● TreeNet?——梯度提升

● 我們最靈活、獲得最多獎項、最強(qiáng)大的機(jī)器學(xué)習(xí)工具，具有迭代結(jié)構(gòu)，可在構(gòu)建集成的過程中更正合并錯誤，從而實現(xiàn)出色且一致的預(yù)測準(zhǔn)確度，也因此而聞名于世。

● 自動化機(jī)器學(xué)習(xí)

● 使用此自動化工具輕松確認(rèn)您使用了最佳預(yù)測模型來解答您的問題。非常適合需要建議的預(yù)測分析新手以及尋求其他意見的專家。

● 如果Y是二值響應(yīng)，Minitab會創(chuàng)建4個模型并自動選擇最優(yōu)的一個做預(yù)測分析

● 如果Y是連續(xù)響應(yīng)，Minitab也會創(chuàng)建4個模型并自動選擇最優(yōu)的一個做預(yù)測分析

● 小結(jié)

● 有了 Minitab 的全新預(yù)測分析模塊后，用戶將能夠以更好、更快、更簡單及更準(zhǔn)確的方法解決更棘手的問題、挖掘出更深入的見解并實現(xiàn)對復(fù)雜交互的可視化。使用 Minitab 的革命性預(yù)測分析技術(shù)，輕松、熟練地預(yù)測業(yè)務(wù)、比較備選方案及預(yù)估業(yè)務(wù)。

● Minitab 的預(yù)測分析模塊由多個專利方法構(gòu)成，分類和回歸樹 (CART?)、原始 Random Forests?（由諸多決策樹構(gòu)成的分類算法）以及 Minitab 自己的梯度推進(jìn)方法 TreeNet? 等等都包含其中。Minitab 的預(yù)測分析模塊凸顯了我們協(xié)助各組織加速其轉(zhuǎn)型的承諾。我們打造易用、易懂的高級機(jī)器學(xué)習(xí)方法，為的就是讓全球各地的公司能夠發(fā)揮這些方法的能力來解決復(fù)雜問題，以質(zhì)量、速度和簡潔程度均遠(yuǎn)超以往的方式預(yù)測結(jié)果。如果您對預(yù)測分析感興趣請與我們聯(lián)系，也可以持續(xù)關(guān)注后續(xù)內(nèi)容的分享。

審核編輯：湯梓紅