Die Modellierung in ClearVu Analytics (CVA) ermöglicht Ihnen die automatische Generierung von Modellen aus Daten. ClearVu Analytics wendet eine Vielzahl von (nichtlinearen) Modellierungsverfahren auf die Daten an, da es a priori unmöglich ist, das beste Verfahren auszuwählen.

Für alle Verfahren optimiert ClearVu Analytics die Lernparameter. Damit ist automatisch sichergestellt, dass das beste Verfahren angewandt und das beste Modell generiert wird. Das Zielkriterium für die Modelle ist dabei immer deren Generalisierungsfähigkeit, d.h. die Prognosegüte der Modelle wird bewertet. Damit wird das häufig in der Modellierung anzutreffende „Auswendiglernen“ (bzw. „Overfitting“) vermieden.

Nach Abschluss dieses automatischen Modellierungsprozesses erkennen Sie einfach anhand einer „Ampel“, wie erfolgreich die Modellierung war und welches Modell „gewonnen“ hat. Dann können Sie direkt mit der Anwendung der Modelle für Prognosen, Sensitivitätsanalysen oder die Optimierung fortfahren.

Für den Expertenanwender besteht die Möglichkeit, die Lernparameter der Methoden auch selbst zu beeinflussen – worauf aufgrund der Leistungsfähigkeit der automatische Modellierung aus unserer Erfahrung heraus verzichtet werden sollte.

Obwohl ClearVu Analytics Ihnen alle modernen Verfahren der nichtlinearen Datenanalyse zur Verfügung stellt, ist die Generierung des optimalen Modells für den Anwender extrem einfach. Sie erfordert nur etwas Rechenzeit. Das Resultat wird in einfach verständlicher Weise präsentiert. Zu den verfügbaren Methoden zählen unter anderem:

• verallgemeinerte lineare Modelle
• Support Vector Machine
• Fuzzy Modelle
• Entscheidungsbäume
• Ensembles von Entscheidungsbäumen („random forests“)
• Neuronale Netze (MLP, feed-forward)
• Gauß’sche Prozesse
• Partial least squares Regression (PLS)
• Hauptkomponentenregression