SPM 機器學習與預測分析

Salford Predictive Modeler^® (SPM) 軟體是一個用於開發預測性、描述性和分析模型的高度準確且快速的平台，內含多個演算法專利的模型，包含 CART®、MARS®、TreeNet®、Random Forests®，以及強大的自動化與建模功能。

| 資料探勘，掌握數據，發掘深入見解

SPM 的資料探勘涵蓋分類 (Classification)、迴歸 (Regression) 、存活分析 (Survival analysis) 、缺失值分析 (Missing value analysis) 、資料分箱 (Data binning) 、分群 (Clustering) 以及區隔 (Segmentation) 等方式。

| 自動化功能，加速建模流程

SPM 可以自動執行大量的模型探索與優化作業，大幅加速模型建構流程，亦可針對多種建模策略分別產出完整結果，提供使用者方便檢閱與比較。

|  SPM核心特點一覽

• 70+ 預先設置的自動化場景，其來自業界領先的模型分析師的實際工作流程中啟發。
• 協助用戶省去繁瑣的作業，讓分析師能專注於模型開發的創意核心。
• 迴歸、分類與邏輯斯迴歸均經過強化，可支援大規模資料集的處理需求。
• 根據使用者回饋及資料科學的最新發展，持續為核心工具導入新功能。
• 將 Jerome Friedman 與 Leo Breiman 的頂尖學術理論，轉化為解決現實問題的實務應用。

| 多元演算法專利模型，滿足各種需求

SPM 提供多元化演算法模型．包含：

1. CART^®(分類和迴歸樹)

CART 是現代資料探勘領域中最常用且最重要的工具之一，它是一種基於 Tree 的演算法，用於探索將資料拆分為更小部分、隨後以遞迴方式選擇效果最佳的拆分直到找到最佳集合為止的方法。CART 及其建模引擎為 Advanced Analytics 進階分析領域帶來創新，開啟了嶄新的資料科學時代。

2. Random Forests

Random Forests 以集合 CART Trees 為基礎，在一個方便之處利用重複、隨機化、抽樣和集成學習，將獨立的 Trees 聚集在一起並確定其森林 (forest) 的整體預測。Random Forests® 可同時利用多種替代分析、隨機化策略和集成學習的能力。

3. MARS^®

MARS^® 適合希望獲得與傳統迴歸格式結果的使用者，同時可捕獲幾乎無法掌握的重要非線性關係和交互作用。

4. TreeNet^®

TreeNet Gradient Boosting是 SPM 最彈性且最強大的機器學習工具，具迭代結構，在構建時修正集成的組合錯誤，進而實現卓越且一致的預測準確性。

如欲了解更多 Salford Predictive Modeler^® (SPM) 資訊，歡迎隨時與虎門科技聯繫諮詢。

延伸閱讀：
Minitab Model Ops 機器學習模型部署與營運
Minitab 統計分析軟體
Minitab Engage 專案管理工具
Real-Time SPC 雲端即時自動控管