中文名稱：預測性分析 英文名稱：Predictive Analysis
📌 定義（Definition）
預測性分析使用歷史數據來預測未來可能發生的事件或趨勢，通常是基於統計方法與機器學習模型。
⭐原理與技術
迴歸模型 （Regression Models）
- 特點與用途：用於數值型結果的預測。
- 方法：線性迴歸、多元迴歸、邏輯迴歸等。
- 應用場景：預測房地產價格、銷售額、天氣變化等。
分類模型 （Classification Models）
- 特點與用途：用於將數據分為不同類別。
- 方法：決策樹、隨機森林、支援向量機（Support Vector Machine, 支持向量機(SVM)）、深度學習 （如神經網路等）。
- 應用場景：信用風險評估、疾病診斷、用戶行為預測。
時間序列模型 （Time Series Models）
- 特點與用途：用於分析時間相關數據，捕捉趨勢、季節性與周期性模式。
- 方法：ARIMA、SARIMA、長短期記憶網路（Long Short-Term Memory, LSTM） 等。
- 應用場景：銷售預測、需求規劃、股票價格預測。
集成學習方法 （Ensemble Methods）
- 特點與用途：結合多個模型提高預測準確性。
- 方法：隨機森林、梯度提升機（Gradient Boosting Machine, GBM）、極限梯度提升（eXtreme Gradient Boosting, XGBoost）等。