Videos de introducción

SALFORD PREDICTIVE MODELER

Introducción al aprendizaje de máquina basado en árboles
Sección 1: Regresión (objetivo cuantitativo)

Aprenda los aspectos básicos del software de minería de datos de Minitab.

Play Video
Introducción a los árboles de decisión CART para regresión

Introducción a los árboles de decisión CART para regresión ›

25:40

Play Video
Cómo escribir un árbol de decisión (CART®) como una ecuación

Cómo escribir un árbol de decisión (CART®) como una ecuación ›

11:26

Play Video
¿Cómo se modelan las interacciones entre las variables en los árboles de decisión (CART®)?

¿Cómo se modelan las interacciones entre las variables en los árboles de decisión (CART®)? ›

8:45

Play Video
Introducción a Random Forests para regresión

Introducción a Random Forests para regresión ›

14:59

Play Video
Introducción a la potenciación estocástica de gradientes para regresión

Introducción a la potenciación estocástica de gradientes para regresión ›

Recomendación: Antes de ver este video, vea "Introducción a los árboles de decisión CART® para regresión"

39:49

Play Video
Introducción a los splines de regresión no lineal de MARS

Introducción a los splines de regresión no lineal de MARS ›

Recomendación: Antes de ver este video, vea "Introducción a los árboles de decisión CART® para regresión"

1:21:50

Introducción al aprendizaje de máquina basado en árboles
Sección 2: Clasificación (objetivo categórico)

Play Video
Introducción a los árboles de decisión CART para clasificación

Introducción a los árboles de decisión CART para clasificación ›

32:24

Play Video
Introducción a Random Forests para clasificación

Introducción a Random Forests para clasificación ›

Recomendación: Antes de ver este video, vea "Introducción a los árboles de decisión CART® para clasificación"

20:57

Play Video
Introduction to Stochastic Gradient Boosting for Classification

Introduction to Stochastic Gradient Boosting for Classification ›

Recommendation: Before watching this video, watch “Introduction to CART Decision Trees for Classification”

37:07

Vídeos introductorios adicionales

Play Video
Introducción a la minería de datos

Introducción a la minería de datos ›

1:02:22

Play Video
Introducción a la potenciación de gradientes (TreeNet®)

Introducción a la potenciación de gradientes (TreeNet®) ›

11:26

Play Video
Introducción a la regresión no lineal (MARS®)

Introducción a la regresión no lineal (MARS®) ›

53:43

Play Video
Introducción a Random Forests®

Introducción a Random Forests® ›

9:41

Play Video
Introducción a los árboles de decisión CART®

Introducción a los árboles de decisión CART® ›

1:00:06

LO QUE HACEMOS

Los productos de Minitab ayudan a las empresas a aumentar la eficiencia y
mejorar la calidad mediante el uso del análisis inteligente de datos.

Salford Predictive Modeler® 8
La suite integrada de software de aprendizaje de máquina de Minitab

Cart Logo

CART®

El motor de modelado CART® es el árbol de clasificación más sofisticado que ha revolucionado el campo del análisis avanzado y dio inicio a la era actual de la ciencia de los datos.

Random Forest Logo

Random Forests®

Random Forests® es un motor de modelado que aprovecha el poder de múltiples análisis alternativos, estrategias de aleatorización y aprendizaje por ensambles.

Mars Logo

MARS®

El motor de modelado MARS® es ideal para los usuarios que prefieren los resultados en una forma similar a la regresión tradicional, pero sin dejar de detectar las no linealidades y las interacciones esenciales.

Treenet Logo

TreeNet®

La potenciación de gradientes TreeNet® es la herramienta de minería de datos más flexible y poderosa de SPM, capaz de generar de manera consistente modelos extremadamente exactos.

Pricing Icon

Precios

Comuníquese con nosotros para obtener información sobre precios.

University Icon

University Program

Nuestro University Program ofrece los motores de modelado SPM®, CART®, MARS®, TreeNet® y Random Forests® a la comunidad educativa a precios de licenciamiento significativamente reducidos.

Automation Icon

Automatización

Más de 70 escenarios pre-empacados, que son básicamente experimentos inspirados en la manera en que los mejores analistas de modelos estructuran su trabajo.