預測分析

我們經常聽到機器學習和預測分析,但它們的具體含義是什麼,兩者之間有何關聯呢?



  • 機器學習和預測分析皆利用數據來進行未來預測,但所採用的方式不同:


    機器學習是什麼? 機器學習是一種方法,其中演算法在沒有明確指示或預定規則的情況下, 基於模式和推論執行特定任務,以進行預測並根據需要重新校正。


    機器學習進一步細分為監督式學習和非監督式學習。在監督式學習中,模型建立過程由專門的反應變數引導。 相較之下,非監督式學習則相等地利用所有變數,因其沒有專門目標。


    預測分析是什麼? 預測分析是資料分析的一個類別,主要是根據歷史數據和分析技術對未來結果進行預測。

Minitab 的機器學習和預測分析解決方案

藉由 Minitab 的預測分析和機器學習功能,掌控數據並獲得寶貴的見解。
我們的產品組合中提供多種預測分析模型和工具,能夠提供準確性、直覺視覺化和處理複雜問題的能力。

監督式學習

分類(Classification):

- 線性判別分析 (LDA)
- 二次判別分析 (QDA)
- Logistic 迴歸
- 分類樹


迴歸(Regression):

- 簡單
- 多項式
- 多元
- 非線性
- 偏最小平方法
- 迴歸樹
- 壽命資料迴歸
- 保固預測 (Warranty Prediction)


時間序列方法

非監督式學習

集群(Clustering):

- 觀測值集群分析
- 變數集群分析
- K-means 集群分析
- 因素分析 (PA)


資料維度縮減 (Data Reduction):

- 主成分分析 (PCA)
- 因素分析 (PA)

Minitab 以 Tree 為基礎的預測模型

我們專利一流基於 Tree 的機器學習演算法不僅能夠利用決策樹提供更深入的見解、視覺化多重複雜的交互關係, 同時還能處理具有更多變數的大量資料集、雜亂數據、遺失值,隨機異常值和非線性關係。

  • CART® (分類和迴歸樹)

    CART 是現代資料探勘領域中最常用且最重要的工具之一,它是一種基於 Tree 的演算法, 用於探索將資料拆分為更小部分、隨後以遞迴方式選擇效果最佳的拆分直到找到最佳集合為止的方法。

    了解更多有關 CART 的資訊

    注意: 最新版 Minitab 統計軟體 自動包括 CART 功能.

  • Random Forests®

    Random Forests 以集合 CART Trees 為基礎,在一個方便之處利用重複、隨機化、抽樣和集成學習,將獨立的 Trees 聚集在一起並確定其森林 (forest) 的整體預測。

    了解更多關於 Random Forests

  • TreeNet® (Gradient Boosting)

    TreeNet Gradient Boosting 是我們最彈性、屢獲殊榮且功能最強大的機器學習工具,具迭代結構,在構建時修正集成的組合錯誤,進而實現卓越且一致的預測準確性,因此而聞名。

    了解更多關於 TreeNet

更多預測分析工具和資源


我們提供許多關於預測分析和機器學習的內容,Minitab 的預測分析模組只是其中一部分。

MARS®

MARS® 藉由與傳統迴歸最為類似的機器學習模型,可捕獲幾乎無法掌握的重要非線性關係和交互作用。

Feature Engineering

Feature Engineering 有助於改進您的預測分析和機器學習模型,在開始之前就處理並準備好資料。

Minitab 部落格

在您剛踏入機器學習和預測分析領域時,可以訪問此處以瞭解最佳實踐、成功案例、實際範例和操作指南建議。

踏上提升預測分析之路