预测分析

通过学习使用统计建模工具探索和描述变量之间的关系，继续巩固在“分析基础知识”课程中讲授的基础统计分析概念。发现和描述数据中与时间效应及影响相关的特征，以及如何预测将来的行为。

学习如何找出并量化输入变量对关键事件发生概率的效应。借助动手实践示例演示建模工具如何帮助揭示哪些关键输入和来源导致了数据中出现变异。

通过分析从很多行业中实际发生的问题获得的数据，探索和描述变量之间的关系，进而扩展您的分析。学习使用受监督的机器学习技术（如 CART^®），分析在历史数据中发现的模式，以获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。

使用不受监督的机器学习工具（如 Clustering），检测数据中的自然分割，并将观测值或变量分组到同质集中。通过将原始数据变换为一组不相关的变量，对数据进行降维。

通过分析来自现实世界问题的数据来探索和描述变量之间的关系，从而将您的分析能力提升到一个新的水平。CART 树提供了一个简单的树形结构来解释复杂关系。不过，通常可以通过使用更强大的模型来提高它们的预测能力，该模型可以创建许多简单的模型（或树），并将这些简单模型合并到一个最终模型中。学习使用先进的建模技术（如 MARS^®、TreeNet^® 和 Random Forests^®）来分析历史数据中的模式，以获得更好的见解，识别潜在风险，寻找改进机会，并对未来进行预测。 注意：本课程需要订阅附加预测分析模块。