Easy Fit / Easy Predict

Utilisez la fonction Easy Fit afin de tester et comparer différents modèles prédictifs sur un même jeu de données. En fonction du type de variable à prédire (quantitative ou qualitative) et du type de variables explicatives, différents modèles prédictifs sont proposés. La fonction Easy Predict vous permet ensuite de prédire les valeurs de nouvelles observations sur les modèles précédemment générés.

Options de la fonctionnalité Easy Fit / Easy Predict avec XLSTAT

Modèles de régression disponibles

Actuellement la fonction Easy Fit dispose des modèles de régression suivants :

• Si les variables explicatives X sont uniquement quantitatives :

  • Régression linéaire

  • Forets aléatoires de régression

  • K plus proches voisins

  • Machines à vecteurs de support

  • Régression LASSO

  • eXtreme gradient boosting (XGBOOST)

• Si les variables explicatives X sont uniquement qualitatives :

  • Analyse de la variance : ANOVA

  • Forets aléatoires de régression

  • K plus proches voisins

  • Machines à vecteurs de support

  • Régression LASSO

  • eXtreme gradient boosting (XGBOOST)

• Si certaines variables explicatives X sont quantitatives et d'autres qualitatives :

  • Analyse de la covariance : ANCOVA

  • Forets aléatoires de régression

  • K plus proches voisins

  • Machines à vecteurs de support

  • Régression LASSO

  • eXtreme gradient boosting (XGBOOST)

Modèles de classification disponibles

Actuellement la fonction Easy Fit dispose des modèles de classification suivants (vous pouvez cliquer sur les différentes méthodes pour accéder au document d'aide associé) :

Pour tout type de variables explicatives X, qu'elles soient uniquement quantitatives, uniquement qualitatives ou quantitatives et qualitatives :

• Régression logistique

• Forets aléatoires de classification

• K plus proches voisins

• Machines à vecteurs de support

• Analyse factorielle discriminante

• eXtreme gradient boosting (XGBOOST)

Sorties de la fonctionnalité Easy Fit / Easy Predict avec XLSTAT

Statistiques descriptives : les tableaux de statistiques descriptives présentent pour toutes les variables sélectionnées des statistiques simples. Pour les variables quantitatives sont affichés le nombre d'observations, le nombre de données manquantes, le nombre de données non manquantes, la moyenne, et l'écart-type (non biaisé). Pour les variables qualitatives sont affichés le nom des différentes modalités ainsi que leur fréquence respective.

Tableau de synthèse : ce tableau contient plusieurs indicateurs de qualité des modèles effectués. Les indicateurs en régression sont les suivants : MAE, MCE, R², R² ajusté, AIC et SBC. Tandis qu'en classification nous retrouvons les indicateurs suivants : Exactitude, Précision Sensibilité, Nombre de bien classés, Nombre de mal classés et F-score (voir Indicateurs de performance des modèles).

Résultats synthétiques par méthode : pour chacune des méthodes réalisées les résultats les plus importants de la méthode sont affichés. Pour une meilleure compréhension des différents résultats vous pouvez accéder aux aides des différentes méthodes. Tous les liens vers les aides sont disponibles dans la section d'aide des méthodes associées.