15、预测分析：模型、技术与应用

预测分析：模型、技术与应用

1. 预测分析的重要性与模型分类

预测分析在提升组织效率方面具有重要作用。通过应用预测分析，组织能够更高效地开展工作。例如在临床决策支持系统中，基于预测模型的专家框架可用于诊断患者病情，还能优化疾病的治疗方案。

预测分析的核心在于预测建模，即利用预测模型对数据进行评分并做出预测。其相关的控制领域涵盖数据调查周期，广泛应用于商业决策。预测分析模型主要分为以下几类：
- 预测模型 ：展示单位表现与特征之间的相互作用，评估不同样本中类似单位呈现特定表现的概率。常用于广告领域，模拟人类行为以回答关于客户表现的问题，识别客户或交易相关的风险。
- 描述性模型 ：建立数据之间的相互作用，以识别客户或群体。与预测模型识别单个客户或表现不同，描述性模型识别产品与其客户之间的多种关系，按产品表现对客户进行分类。
- 决策模型 ：描述信息、选择和选择预测结果之间的相互作用，用于预期包含多个因素的选择。可用于提升特定结果、限制其他结果，以及制定业务规则，为每个客户或任何情况提供理想的行动方案。

预测分析模型能够在精细粒度上进行预测，为每个人创建预测分数，类似于从经验中学习以预测个人未来行为的技术，有助于做出更好的决策，其结果的准确性取决于数据分析的程度。

2. 预测分析技术

所有预测分析模型可分为分类模型和回归模型。分类模型预测值属于特定类别，回归模型预测数值。以下是构建预测模型常用的有效技术：
- 决策树 ：是一种较旧但也可用于回归的模型，