Guide de l’utilisateur Spotfire®

Modélisation prédictive

Spotfire propose des outils vous permettant d'intégrer des modèles prédictifs à vos analyses en utilisant soit la modélisation régressive, soit la modélisation de classification.

Remarque : Les outils de modélisation prédictive doivent être appliqués au moyen du client installé.
Remarque : Les outils de modélisation prédictive utilisent des fonctions de données basées sur Spotfire Enterprise Runtime for R (aussi appelé TERR) pour effectuer les calculs. Votre environnement Spotfire doit prendre en charge les fonctions de données TERR afin de pouvoir utiliser les outils. Pour plus d'informations, reportez-vous à la rubrique Utilisation des scripts et des fonctions de données.
  • La modélisation régressive est adaptée aux prévisions numériques, comme les recettes et les dépenses.
  • La modélisation de classification est plutôt réservée aux prévisions réalisées pour deux nœuds ou classes, par exemple pour déterminer si une transaction commerciale est frauduleuse ou légale.
La modélisation prédictive comprend trois tâches :
  • Ajustement du modèle ;
  • évaluation du modèle ;
  • Prévision à partir du modèle.

Pour ajuster le modèle, dans la boîte de dialogue Modélisation de la régression ou Modélisation de la classification, sélectionnez les options pour le modèle et cliquez sur OK. Spotfire Enterprise Runtime for R crée le modèle et le renvoie dans l'analyse. Chaque modèle crée plusieurs tables de données que vous pouvez utiliser pour réaliser une analyse complémentaire.

Une page modèle est créée (voir Page du modèle) et le modèle est ajouté à Panneau Modèles d'analyse. Vous pouvez inclure plusieurs modèles dans l'analyse, puis réaliser une itération et une évaluation de tous les modèles avec de nouvelles données.

Une fois l'évaluation terminée, vous pouvez réaliser une prévision à partir du modèle. Si vous intégrez un modèle à l'analyse, vous pouvez l'utiliser pour insérer les colonnes prévues dans la table de données et partager le résultat avec d'autres utilisateurs.

Remarque : Les colonnes de type Currency (devise) sont converties en type Real (réel) et cette conversion risque d’entraîner un manque de précision au niveau de la modélisation.