Инструмент поддерживает интерфейс продукта «Форсайт. Аналитическая платформа» версий 9 и ранее.

Анализ «Заполнение по шаблону»

Данный вид анализа заполняет пропущенные значения объясняемого признака в зависимости от значений объясняющих признаков на основе имеющейся классификации.

Для работы с анализом «Заполнение по шаблону»:

  1. Выберите данные для анализа.

Примечание. Для расчёта метода выбранные данные должны содержать минимум один признак и два наблюдения не считая заголовков. Если в качестве источника данных выступает:
     • Регламентный отчет. Заголовками является первая строка в выбранном диапазоне;
     • Рабочая книга. Заголовками являются имена рядов;
     • Экспресс отчет, аналитическая панель, таблица данных. Заголовками являются заголовки столбцов.

  1. Выберите вид анализа.

  2. Настройте параметры анализа. По умолчанию отображаются только основные настройки анализа. Для отображения всех настроек нажмите кнопку «Показать настройки»:

В диалоговом окне доступны следующие операции:

Выбор метода заполнения

Выбор признака для анализа

Задание факторов, влияющих на анализируемый признак

Редактирование признака и факторов

Задание порогового значения деления на группы

Выбор и настройка алгоритма

Настройка кросс-валидации

Для перехода к следующей странице мастера нажмите кнопку «Далее».

  1. Выполните необходимые действия над результатами анализа.

Результаты анализа можно сохранить в файл, распечатать или вставить на лист регламентного отчёта. Более подробные сведения приведены в разделе «Работа с результатами анализа».

Пример результатов анализа «Заполнение по шаблону»:

Для анализа «Заполнение по шаблону» на странице «Результат анализа» отображаются вкладки:

Заполнение по шаблону

Дерево решений

Логистическая регрессия

Градиентный бустинг

Случайный лес

Качество предсказания

ROC-кривая

Кросс-валидация

Предупреждения

См. также:

Выбор типа анализа | Дерево решений | Логистическая регрессия | Сеть обратного распространения | ISmDecisionTree | ISmLogisticRegression | ISmBackPropagation | ISmRandomForest | ISmGradientBoostedTree