기능 리스트

SALFORD PREDICTIVE MODELER

Salford Predictive Modeler^® 8 의 일반 기능:

모형화 엔진: CART^® 결정 트리
모형화 엔진: TreeNet^® 경사 부스팅
모형화 엔진: Random Forests^® 트리 앙상블
모형화 엔진: MARS^® 비선형 회귀 분석 스플라인
모형화 엔진: GPS 정규화 회귀 분석(LASSO, 엘라스틱 넷, Ridge 등)
모형화 엔진: TreeNet의 정확성에 회귀 분석의 해독 능력이 결합된 RuleLearner^®
모형화 엔진: ISLE 모형 압축
향상된 모형 빌드 및 실험을 위한 70개 이상의 자동화 루틴 기본 제공
분석가를 지루하고 힘든 작업에서 해방시켜 모형 개발의 창조적 부분에 집중할 수 있게 해주는 도구.
Minitab Worksheet(.MTW) 기능 열기

CART^® 기능:

트리의 가장 중요한 부분과 해당 트리 규칙을 찾아내기 위한 핫스팟 감지
트리에서 가장 중요한 변수를 이해하기 위한 변수 중요도 측정
모형 배치 및 실시간 또는 다른 방식으로 예측 생성
트리의 어느 지점에서든 사용자 정의 분할
처리 효율을 평가하기 위한 디퍼렌셜 리프트(“업리프트” 또는 “증분 반응”이라고도 함) 모형화
모형 조정 및 기타 실험용 자동화 도구
- 고급 변수 선택을 위한 자동 반복 기능 제거
- 이전 확률로 실험하여 더 중요한 등급에 보다 높은 정확도를 가진 모형 찾기
- 반복적인 상호 검증 수행
- 부트스트랩 표본에 CART 모형 빌드
- 링크된 두 모형을 빌드합니다(첫 번째 모형은 이항 사건 예측, 두 번째 모형은 숫자 값 예측). 예를 들어, 누군가가 구입할지 여부 및 돈을 얼마나 지출할지를 예측합니다.
- 서로 다른 학습 및 검정 파티션의 영향 발견

MARS^® 기능:

변수가 모형 반응에 어떤 영향을 미치는지 그래픽으로 이해
변수 또는 교호작용 변수 집합의 중요성 확인
모형 배치 및 실시간 또는 다른 방식으로 예측 생성
모형 조정 및 기타 실험용 자동화 도구
- 고급 변수 선택을 위한 자동 반복 기능 제거
- 모형의 교호작용을 허용하는 경우의 영향을 자동으로 평가
- 최적의 최소 범위 값을 쉽게 확인
- 반복적인 상호 검증 수행
- 서로 다른 학습 및 검정 파티션의 영향 발견

TreeNet^® 기능:

부분 종속성도를 사용하여 변수가 모형 반응에 어떤 영향을 미치는지 그래픽으로 이해
회귀 분석 손실 함수: 최소 제곱, 최소 절대 편차, 사분위수, Huber-M, Cox 생존, 감마, 음이항분포, Poisson, Tweedie
분류 손실 함수: 이항 또는 다항
디퍼렌셜 리프트(“업리프트” 또는 "증분 반응"이라고도 함) 모형화
모형 성능을 개선하고 런타임을 단축하기 위한 열 부차 표본 추출.
정확도를 높이기 위한 정규화 경사 부스팅(RGBOOST).
RuleLearner: TreeNet 경사 부스팅 및 정규화 회귀 분석(LASSO, 엘라스틱 넷, Ridge 등)을 조합하여 해석 가능한 회귀 분석 모형 빌드
ISLE: 정규화 회귀 분석(LASSO, 엘라스틱 넷, Ridge 등)을 사용하여 더 작고 효율적인 경사 부스팅 모형 빌드
변수 교호작용 발견 제어
- 어느 정도의 교호작용을 포함시켜야 할지 여부를 명확히 결정
- Minitab의 특허 교호작용 제어 언어를 사용하여 모형에서 허용되거나 허용되지 않는 교호작용 제어
모형에서 가장 중요한 교호작용 발견
희귀 사건 모형화를 위한 보정 도구
모형 조정 및 기타 실험용 자동화 도구
- 고급 변수 선택을 위한 자동 반복 기능 제거
- 서로 다른 학습 속도를 적용하여 자동 실험
- 모형에서 발생하는 교호작용의 범위 제어
- 링크된 두 모형을 빌드합니다(첫 번째 모형은 이항 사건 예측, 두 번째 모형은 숫자 값 예측). 예를 들어, 누군가가 구입할지 여부 및 돈을 얼마나 지출할지를 예측합니다.
- 정규화 경사 부스팅 모형에서 최적의 모수 찾기
- 핵심 경사 부스팅 모수에 대한 스토캐스틱 검색 수행
- 서로 다른 학습 및 검정 파티션의 영향 발견

Random Forests^® 기능:

분류, 회귀 분석 또는 군집화에 사용
특이치 감지
분류 문제가 있는 군집을 그래픽으로 확인하기 위한 근접 히트맵 및 다차원 척도(이항 및 다항)
어떤 수준의 예측 값이 특정 등급으로 할당되는지를 보다 잘 이해하기 위한 평행 좌표도
고급 결측 값 대체
자율 학습: Random Forest는 근접 행렬을 생성하며, 그런 다음 계층 군집화 기법이 적용됩니다.
모형에서 가장 중요한 변수를 이해하기 위한 변수 중요도 측정
모형 배치 및 실시간 또는 다른 방식으로 예측 생성
모형 조정 및 기타 실험용 자동화 도구
- 고급 변수 선택을 위한 자동 반복 기능 제거
- 각 트리의 각 분할에서 얻은 랜덤 하위 집합 크기를 간편하게 미세 조정
- 서로 다른 부트스트랩 표본 크기가 미치는 영향 평가
- 서로 다른 학습 및 검정 파티션의 영향 발견