本文探讨了预测模型与数据分析之间的区别，强调预测是发现未知规律并通过算法提升准确性，常用机器学习和深度学习方法，如广义线性模型、决策树等。同时提及了数据建模在实际案例中的应用，如糖尿病预测、客户流失分析和房价预测等。
预测模型和数据分析的区别，类似于数学模型和数据挖掘模型的区别，即数据分析一般是通过已经分析已知，类似于数学上口算和公式计算，有简单和复杂的区别；预测是发现未知的信息或规律，并且通过已知信息不断增加算法拟合度，提高预测准确性，预测最终的目的一般是分类，常用到一些机器学习和深度学习的算法，如广义线性模型、决策树、随机森林、支持向量机、神经网络等。
有几篇自己的文章可以参考一下
什么是数据建模（数据建模及可视化） 数据模型和数据挖掘模型的区别
数据建模之糖尿病预测（数据挖掘） 支持向量机
数据建模之客户流失分析（数据挖掘） 决策树，随机森林
数据建模之房价预测（数据挖掘） 广义线性模型
数据建模案例之毛利率分析 数据分析
以上案例基于数合建模（数据建模及可视化工具）完成
基于数据建模及相关生态工具平台，推动政企数字化建设
扫一扫
5758
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
