Predictive Analytics

Um Predictive Analytics online zu berechnen, kopiere deine Daten einfach in die Tabelle oben und wähle die Variablen für dein Modell aus. Wähle zuerst die Methode, dann eine abhängige Variable und die unabhängigen Variablen, die als Prädiktoren verwendet werden sollen.

Ist die abhängige Variable kategorial, berechnet numiqo ein Klassifikationsmodell. Ist die abhängige Variable metrisch, berechnet numiqo ein Regressionsmodell. So kannst du Kategorien wie Kundengruppen oder Fehlerarten vorhersagen oder metrische Werte wie Umsatz, Kosten oder Fehlerraten schätzen.

Folgende Methoden stehen zur Verfügung: Decision Tree, Random Forest, Gradient Boosting und CHAID als zusätzliche Entscheidungsbaummethode für kategoriale abhängige Variablen.

Prädiktives Modell berechnen

Wenn du zum Beispiel vorhersagen möchtest, ob ein Produkt fehlerhaft sein wird, wähle den Fehlerstatus als abhängige Variable und die Produktionsvariablen als Prädiktoren aus. numiqo erstellt dann ein Klassifikationsmodell und zeigt die Ergebnisse übersichtlich an.

Wenn du einen metrischen Wert vorhersagen möchtest, zum Beispiel eine Fehlerrate oder einen Umsatzwert, wähle eine metrische abhängige Variable aus. Der Rechner erstellt dann ein Regressionsmodell und gibt, sofern verfügbar, Fehlermaße wie RMSE und MAE aus.

Nach dem Berechnen eines CART Decision Tree, Random Forest oder Gradient Boosting Modells kannst du es an die Vorhersageseite senden. Dort gibst du Werte für die gewählten Prädiktoren ein und erhältst die vorhergesagte Kategorie oder den vorhergesagten Zahlenwert.

Predictive-Analytics-Methoden

Entscheidungsbäume sind hilfreich, wenn ein gut interpretierbares Modell mit einfachen Regeln wichtig ist. Random Forest kombiniert viele Bäume und ist häufig stabiler als ein einzelner Entscheidungsbaum. Gradient Boosting baut Bäume schrittweise auf und kann gute Ergebnisse liefern, wenn die Einstellungen zu den Daten passen. CHAID ist für kategoriale abhängige Variablen und Segmentierungsaufgaben hilfreich.

Wenn du noch nicht weißt, welche Methode am besten passt, nutze Compare Models, um CART Decision Tree, Random Forest und Gradient Boosting mit demselben Validierungssplit zu vergleichen. So kannst du Genauigkeit oder Fehlermaße beurteilen, bevor du ein Modell für Vorhersagen verwendest.

Für den Einstieg in die Methode gibt es eine eigene Übersicht: Predictive Analytics Tutorial. Dort wird erklärt, wie Klassifikation, Regression, Einflussfaktoren und erste Vorhersagemodelle in numiqo funktionieren.