Neu in der Minitab Web-App 20.2
- Korrelogramm für einen visuellen Vergleich der Pearson-Korrelationskoeffizienten zwischen jedem Variablenpaar
- Verbesserungen für Variablenwichtigkeit in CART®-Klassifikation und CART®-Regression
- Erweiterungen für Streudiagramm, Heatmap und parallele Koordinatendiagramm
- Optionales kostenpflichtiges "Predictive Analytics-Modul", einschließlich TreeNet®-Klassifikation, TreeNet®-Regression, Random Forests®-Klassifikation und Random Forests®-Regression
- Möglichkeit, sich über Facebook oder Google in Ihrem Minitab-Konto anzumelden
Korrelogramm
Das in Minitab 20.2 neu hinzugekommene Korrelogramm kann verwendet werden, um die Pearson-Korrelationskoeffizienten zwischen einzelnen Variablenpaaren visuell zu vergleichen. Dabei verwendet Minitab 20.2 einen Farbverlauf, um niedrige und hohe Korrelationskoeffizientenwerte anzuzeigen und erleichtert es damit, die wichtigsten und am wenigsten wichtigen Beziehungen zu indentifizieren.
Predictive Analytics als optionales, kostenpflichtiges Zusatzmodul
Das kostenpflichtige Zusatzmodul "Predictive Analytics" erweitert Minitab um Algorithmen für das maschinelle Lernen mit TreeNet® und Random Forests®. Baum-basierte Methoden bilden nichtlineare Beziehungen sehr gut ab.
Mit TreeNet® lässt sich ein hoher Grad an Genauigkeit erreichen, der von einem einzelnen Modell oder von Ensemble-Methoden wie Bagging oder konventionellem Boosting in der Regel nicht erreicht wird. Außerdem ist die TreeNet-Methodologie robust gegenüber Datenfehlern und bedarf keiner zeitaufwändigen Datenvorbereiteung.
Die Stärke von Random Forests® ist das Erkennen von Ausreißern und Anomalien in den Daten, das Anzeigen der Proximität von Clustern, das Prognostizieren von zukünftigen Ergebnissen, das Identifizieren von wichtigen Prädiktoren, das Entdecken von Datenmustern, das Ersetzen von fehlenden Werten mittels Imputation und das Bereitstellen von aussagekräftigen Grafiken.