予測分析

この基礎コースでは、Minitabを使用しながらデータ分析に要する時間を最小限に抑えることを学びます。データ分析の作業には、データをインポートすること、データを調べる妥当な統計的アプローチを開発すること、説得力のある視覚化を行ってそれを解釈すること、結果をエクスポートすることがあります。最小限のユーザーの入力でMinitab分析が自動的に実行されるようにし、時間を節約します。現実のさまざまなデータセットを分析して、適切な分析ツールで応用内容を調整する方法、統計的な結果を解釈する方法を学びます。仮説検定や信頼区間などの重要な統計の概念の基礎を学びます。

このコースでは、ビジネス、製造、取引の処理で一般的に使用される統計技術の実践応用に基づき、賢明な決定を行うことに重きが置かれます。

統計モデルツールを使用して変数間の関係を探り、説明することを学ぶことで、分析の基礎コースで習った基礎的統計分析概念の構築を続けます。時間の効果と影響に関連するデータで特徴を探し、説明する方法、将来の行方を予測します。

重要な事象の発生確率に入力変数が及ぼす影響を見つけ、定量化する方法を学びます。実例により、モデリングツールが重要な入力や、データの変動の原因を明らかにする方法を見ていきます。

多くの産業が経験する現実の問題のデータを分析して、変数間の関係を探り、説明して、分析を拡張します。CART^® などの教師あり機械学習技術を使用して履歴データにあるパターンを分析し、より良い洞察を得て、潜在的なリスクを特定し、改善の機会を探し、将来を予測する方法を学びます。

クラスタリングなどの教師なし機械学習ツールを使用して、データ内の自然分割を検出し、観測値または変数を同質のセットにグループ化します。データの次元性を、元のデータを無相関変数のセットに変換することで、削減します。

実際に存在する問題のデータを分析して、変数間の関係を探り、説明することで、分析を次のレベルに引き上げます。CART木は、複雑な関係を解釈するためにシンプルな木の構造を活用するものです。しかし多くの場合、予測能力は、多数の単純な モデル（または木）を作成し、それらを1つの最終モデルに統合する、より強力なモデルを使用することで改善できます。 MARS^®、TreeNet^® 、Random Forests^® などの高度なモデリング手法を使用して、履歴データで見つかったパターンを分析し、より良い洞察を得て、潜在的なリスクを特定し、改善の機会を探し、将来について予測する方法を学びます。 注：このコースでは、アドオン予測分析モジュールのサブスクリプションが必要です。