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。
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。
-
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。
-
-
-
自動化機器學習
使用自動化工具，可以讓你輕鬆正確的使用最佳預測模型，去解決問題。自動化機器學習適合給做預測分析時，需要建議的新手，同時，也可以給尋求其他不同觀點的專家。
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。
踏上提升預測分析之路
