Software di apprendimento automatico
Modellare i dati

Proposta di modello automatico :

• Selezione guidata dai dati Il software suggerisce automaticamente i modelli più appropriati in base alle caratteristiche dei dati forniti.

Regressione lineare e non lineare :

• Modellazione delle relazioni Utilizzo di metodi di regressione lineare e non lineare per modellare le relazioni tra variabili indipendenti e dipendenti.

Regressione logistica :

• Binario, nominale e ordinale La regressione logistica supporta esiti binari, nominali e ordinali, consentendo di elaborare diversi tipi di dati categorici.

Grafica e visualizzazione dei dati :

• Tipi di grafica Generare grafici di fattori, residui, curve di livello, aree e altri grafici per visualizzare i risultati delle analisi e le relazioni tra le variabili.

PLS (minimi quadrati parziali) :

• Analisi di regressione PLS Uso del metodo dei minimi quadrati parziali per i modelli di regressione, utile quando ci sono molti predittori collineari.

I migliori sottogruppi :

• Selezione delle variabili Identificare i migliori sottoinsiemi di variabili esplicative per costruire modelli più semplici ed efficienti.

Ottimizzazione e previsione della risposta :

• Modellazione predittiva Ottimizzazione dei modelli per prevedere le risposte e i risultati futuri sulla base dei dati esistenti.