MARS®
多变量自适应回归样条
![](/zh-cn/solutions/analytics/statistical-analysis-predictive-analytics/mars/_jcr_content/root/container/container/hero_copy_853201110_/image/.coreimg.png/1691164565972/spm-mars-icon.png)
MARS® 建模引擎最适合那些希望采用与传统回归类似的形式输出结果并同时希望捕获基本的非线性交互数据的用户。
MARS 采用的回归建模方法能够有效地揭示一些很难或者根本无法通过其他回归方法发现的重要数据模式和关系。MARS 建模引擎通过将一系列直线拼在一起来构建模型,其中的每条直线都可以有自己的斜率。这样,MARS 建模引擎就可以跟踪在数据中检测到的任何模式。
![MARS 示意图](/zh-cn/solutions/analytics/statistical-analysis-predictive-analytics/mars/_jcr_content/root/container/container/container_copy_copy/columncontainer/column1/image/.coreimg.jpeg/1691164566087/marsillustration.jpeg)
高质量回归和分类
MARS 模型旨在预测数值结果,例如,移动电话客户每月平均帐单,或者购物者访问一次网站预计会花费的金额。它还能为是/否结果生成高质量的分类模型。MARS 引擎可以执行变量选择、变量转换、交互作用检测和自行检验,所有这些都能自动高速执行。
高性能结果
MARS 引擎可在以下领域提供性能极高的结果:预测发电公司的电力学期、将客户满意度分数与产品的工程规范相关、地理信息系统 (GIS) 中的存在/缺席建模。
有兴趣使您的预测能力与众不同吗?
其他先进方法
无论您是刚刚起步还是希望将您的预测分析功能提升到新水平,Minitab 的建模引擎都将为您提供所需的功能。
![CART CART](/zh-cn/solutions/analytics/statistical-analysis-predictive-analytics/mars/_jcr_content/root/container/container/container_1218857742/columncontainer_2154/column0/image/.coreimg.png/1691164566388/cart.png)
CART®
绝佳的分类树算法,为高级分析领域带来创新,开启了崭新的数据科学时代。
![Random Forests Random Forests](/zh-cn/solutions/analytics/statistical-analysis-predictive-analytics/mars/_jcr_content/root/container/container/container_1218857742/columncontainer_2154/column3/image/.coreimg.png/1691164566431/randomforest.png)
Random Forests®
能够方便地在一个位置利用多个备选分析、随机化策略和集成学习方法。
![TreeNet](/zh-cn/solutions/analytics/statistical-analysis-predictive-analytics/mars/_jcr_content/root/container/container/container_1218857742/columncontainer_1852/column1/image_315175973/.coreimg.png/1691164566525/treenet.png)
TreeNet®
最灵活、最强大的机器学习工具,能够按照统一的方式生成非常准确的模型。