Analitik prediktif: Perbedaan antara revisi

[[Big data]] adalah koleksi dari data set yang sangat besar dan kompleks sehingga mereka menjadi canggung untuk bekerja dengan menggunakan tradisional [[Pangkalan data|database management]] tools. Volume, variety, dan velocity data besar telah memperkenalkan tantangan di seluruh papan untuk pengambilan, penyimpanan, pencarian, berbagi, analisis, dan visualisasi. Contoh-contoh sumber data yang besar seperti [[Blog|web log]], [[RFID]], sensor data, [[jejaring sosial]], Internet pencarian pengindeksan, call detail records, militer, pengawasan, dan data yang kompleks dalam astronomi, biogeokimia, genomik, dan ilmu atmosferapabila. Big Data merupakan inti dari sebagian besar predictive analytic jasa yang ditawarkan oleh organisasi.

Secara global optimal klasifikasi tree analysis (PERGI-CTA) (disebut juga hirarkihierarki optimal discriminant analysis) adalah generalisasi dari optimal analisis diskriminan yang dapat digunakan untuk mengidentifikasi model statistik yang memiliki akurasi maksimum untuk memprediksi nilai kategoris variabel dependen untuk dataset yang terdiri dari kategorik dan variabel kontinu. Output dari HODA adalah non-orthogonal pohon yang menggabungkan variabel kategori dan titik potong untuk variabel kontinu yang menghasilkan maksimum prediksi akurat, penilaian yang tepat Tipe I error rate, dan evaluasi potensi cross-generalisasi dari model statistik. Hirarkis optimal analisis diskriminan dapat dianggap sebagai generalisasi dari fisher's linear discriminant analysis. Optimal analisis diskriminan adalah sebuah alternatif untuk ANOVA (analisis of varians) dan analisis regresi, yang mencoba untuk mengekspresikan satu variabel dependen sebagai kombinasi linear dari fitur lain atau pengukuran. Namun, ANOVA dan analisis regresi memberikan sebuah variabel dependen yang merupakan variabel numerik, sementara hirarkis optimal analisis diskriminan memberikan sebuah variabel dependen yang merupakan variabel kelas.