Salford Predictive Modeler

Salford Predictive Modeler

Salford Predictive Modeler

Software de aprendizaje de máquina y análisis predictivo

Porque la exactitud importa

La suite de software Salford Predictive Modeler® (SPM) es una plataforma sumamente exacta y ultra rápida para el desarrollo de modelos predictivos, descriptivos y analíticos.

Introducción a Salford Predictive Modeler® 8

La suite integrada de software de aprendizaje de máquina de Minitab
La suite de software Salford Predictive Modeler® incluye los motores CART®, MARS®, TreeNet® y Random Forests®, así como potentes capacidades nuevas de automatización y modelado que no se encuentran en ninguna otra parte..

Las tecnologías de minería de datos de la suite de software SPM abarcan clasificación, regresión, análisis de supervivencia, análisis de valores faltantes, división de los datos en clases y formación de conglomerados/segmentación. Los algoritmos de SPM se consideran esenciales en los círculos sofisticados de la ciencia de los datos.

La automatización de la suite de software SPM acelera el proceso de construcción del modelo al realizar importantes porciones del proceso de exploración y refinamiento del modelo en lugar del analista. Incluimos un conjunto completo de resultados de las estrategias alternativas de modelado para fácil revisión.

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 Forests®

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

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®

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.