Minitab 통계 소프트웨어의 예측 분석 모델 유형

예측 분석의 모델은 제조 품질 관리, 약물 발견, 사기 탐지, 신용 점수 및 이탈 예측을 포함한 광범위한 애플리케이션에 대한 통찰력을 제공합니다. 결과를 사용하여 중요한 변수를 식별하고, 바람직한 특성을 가진 데이터에서 그룹을 식별하고, 새 관측치에 대한 반응 값을 예측합니다. 예를 들어 시장 조사자는 예측 분석 모델을 사용하여 특정 이니셔티브에 대해 응답률이 더 높은 고객을 식별하고 이러한 응답률을 예측할 수 있습니다.

범주가 2개 이상인 범주형 반응 변수가 있는 경우 모형을 하나씩 생성하십시오.

선형 회귀 모델

선형 회귀 모형은 평균 반응이 예측 변수의 모수 함수라고 가정합니다. 이 모형은 최소 제곱 기준을 사용하여 데이터 집합에 대한 모수를 추정합니다. 모수 회귀 모형이 반응과 예측 변수 간의 관계를 적합시키는 경우 모형은 새 관측치를 사용하여 반응 값을 정확하게 예측합니다. 예를 들어, 물리학의 Hooke의 법칙에 따르면 스프링을 확장하는 힘은 확장 거리와 선형 관계가 있으므로 회귀 모델은 관계에 매우 적합합니다.

선형 회귀 모형은 예측 변수에 대한 최적 설정 식별을 단순화합니다. 유효 적합치는 또한 적합 모수 및 표준 오차가 예측 반응 값에 대한 신뢰 구간 추정과 같은 통계적 추론에 유용하다는 것을 의미합니다.

이러한 경우 트리 기반 모델은 고려해야 할 좋은 대안 모델입니다.

Minitab Statistical Software의 다른 선형 회귀 모델 목록을 보려면 에서 확인하십시오 Minitab에 포함되어 있는 회귀 분석 및 상관 분석.

트리 기반 모델

CART,^®TreeNet^®및 Random Forests^® 는 3 트리 기반 방법입니다. 트리 기반 모델 중에서 CART^® 는 단일 의사 결정 트리를 사용하기 때문에 CART^® 를 가장 쉽게 이해할 수 있습니다. 단일 의사결정트리는 전체 데이터 세트에서 첫 번째 상위 노드로 시작됩니다. 그런 다음 트리는 노드 분할 기준을 사용하여 데이터를 2개의 동종 자식 노드로 분할합니다. 이 단계는 분할되지 않은 모든 노드가 터미널 노드가 되기 위한 기준을 충족할 때까지 반복적으로 반복됩니다. 그런 다음 별도의 테스트 세트를 사용한 교차 검증 또는 검증을 사용하여 트리를 트리밍하여 CART^® 모델 인 최적의 트리를 얻습니다. 단일 의사 결정 트리는 이해하기 쉽고 다양한 특성을 가진 데이터 집합에 맞출 수 있습니다.

단일 의사 결정 트리는 다른 2개의 트리 기반 방법보다 덜 강력하고 덜 강력할 수 있습니다. 예를 들어, 데이터 집합의 예측 변수 값이 조금만 변경되어도 매우 다른 CART^® 모델이 생성될 수 있습니다. TreeNet^® 및 Random Forests^® 메서드는 개별 트리 집합을 사용하여 단일 의사 결정 트리의 모델보다 더 강력하고 정확한 모델을 만듭니다.

MARS^® 회귀 분석 모델