ブレイマン (Breiman) とカトラー (Cutler) の Random Forests

Minitab SPM (RandomForests) は、深くデータを理解するためのレコード単位をベースとした、正確なモデル、洞察力のある変数の重要度ランキング、シャープなレポーティングを生成するための、複数の代替の分析、ランダム化戦略、アンサンブル学習のパワーを強化するバギングツールです。その強みは、データ内の外れ値や変速値を特定し、近接クラスターを表示し、将来の結果を予測し、データパターンを発見し、帰属計算で欠損値を置き換え、深い意味を持つグラフを提供します。

クラスターとセグメント：

Minitab SPM (RandomForests) が提供する洞察の多くは、ツリーが成長した後に適用される手法で生成されます。また、データ内のクラスターとセグメントを特定するための新しい技術だけでなく、変数の重要性をランク付けするための新しい手法を実装しています。手法はカリフォルニア大学バークレー校のレオ・ブレイマン (Leo Breiman) とアデル・カトラー (Adele Cutler) により開発され、Salford Systems 社（現 Minitab）に独占的にライセンスされました。進行中の研究は、Random Forests の共同開発者であるアデル・カトラー教授と Minitab 社との共同で行われています。

幅広いデータセットに対応：

Minitab SPM (RandomForests) は、構成される時にお互いに影響されない多くの CART 木の集合です。決定木 (デシジョンツリー) から作られた予測の合計は、森 (フォレスト) の全体の予測を決定します。Random Forests は、10,000行以下の小～中サイズのデータセットに埋め込まれた複雑なデータ構造の分析に適しています。しかし、潜在的には、数百万の列にも適しています。