预测

提升模型根据梯度提升方法创建广义增强回归模型。

创建将非负整数值字段与将作为预测变量的字段进行关联的模型。

使用交叉验证比较一个以上的由 Alteryx 生成的预测模型的性能。

创建一组 if-then 分裂规则来优化模型创建条件。

与 Promote 集成，这是一个用于部署、管理和扩展预测模型的平台。

创建一个模型，该模型构建一组决策树模型来预测目标变量。

将伽马分布式严格正相关变量与一个或多个变量相关联。

生成累积捕获响应图表和增量响应率图表。

创建估计值或变量之间关系的模型。

创建将目标二进制变量与一个或多个预测变量相关联的模型。

模型参数工具创建模型参数名称和数值表格。

“模型对比”工具可比较一个或多个不同预测模型的性能。

创建一组预测变量和分类目标变量的概率分类模型。

检查模型的预测能力是否等效。

生成一个网络交互式仪表板，以探索不同节点之间的关系。

“神经网络”工具使用单个隐藏层创建前馈感知器神经网络模型。

通过将 R 模型应用于一组提供的预测变量来创建变量的估计值。

“样条模型”工具提供弗里德曼多变量适应性回归样条算法。

从一组潜在变量中确定要包含在模型中的最佳预测变量。

一组广受欢迎的监督学习算法。

生存分析工具执行常用生存分析方法。

生存评分工具提供估计相对风险和受限平均生存时间。

对数值响应字段的均值差异执行 Welch 双样本 t 检验。

方差通胀系数 (VIF) 工具生成系数汇总报表。