XLSTAT version 2021.3.1

Banner_White_Mail.png

 

Notre dernière mise à jour XLSTAT 2021.3.1 est désormais disponible ! Quoi de neuf ? 

 

L'outil Indicateurs de Performance a été conçu pour vous aider à répondre à cette question : Dans quelle mesure puis-je faire confiance à un modèle pour prédire des événements futurs ? XLSTAT met à votre disposition un grand nombre d'indicateurs pour évaluer la performance d'un modèle en fonction du type de variable à prédire (quantitative ou qualitative).

Pour les problèmes de régression (lorsqu'on cherche à prédire les valeurs d'une variable quantitative), XLSTAT propose des indicateurs tels que MSE, MAPE, R², l'indice de Mielke et Berry, l'AIC et bien d'autres.

Pour les problèmes de classification (lorsque la variable à prédire est qualitative), XLSTAT propose des indicateurs tels que l'Exactitude, la Précision, la Sensibilité, la Spécificité, le Kappa de Cohen, la courbe ROC et bien d'autres.

Accessible depuis le menu Machine Learning.

 

Cet outil, essentiel pour l'analyse marketing, a été amélioré. Vous pouvez désormais créer des questionnaires CBC plus fiables et en moins de temps. Voici les nouveautés :

    • Vous pouvez à présent choisir le type de plan d’expérience CBC dans l'onglet Options et non plus dans une fenêtre séparée. Si vous voulez un plan d'expérience qui correspond exactement à vos données, sélectionnez l'option Plan D-Optimal. Si vous souhaitez obtenir un plan orthogonal, sélectionnez l'option Plan orthogonal. Vous voulez en savoir plus sur ces méthodes ? Consultez la documentation d'aide de XLSTAT.

    • Deux nouveaux tableaux ont été ajoutés à la sortie des plans d'analyse conjointe : le tableau de Burt et le plan codé dans le cas d'un plan d-optimal.

    • L'algorithme de Fedorov a été révisé afin que vous puissiez créer des plans mieux équilibrés et donc plus efficaces. Un plan équilibré contient un nombre égal d'observations pour toutes les combinaisons de niveaux possibles. Par exemple, si nous recueillons le même nombre de données pour une marque A et une marque B de voitures alors l’enquête serait équilibrée.

Accessible depuis le menu Analyses Conjointes.

 

Grâce aux arbres de classification binaire, vous pouvez assigner un individu/objet à l'une des deux catégories. Par exemple, prédire si un patient est diabétique ou non.

Après avoir construit votre classificateur binaire, il est important d’évaluer ses performances. Pour cette raison, nous avons ajouté trois mesures d'évaluation : la courbe Roc, la courbe Lift et la courbe Cumulative gain.

Accessible depuis le menu Machine Learning.

 

Comment obtenir XLSTAT 2021.3.1 ? 

Si vous avez la version d'essai ou si vous utilisez une licence valide,  vous pouvez télécharger ci-dessous la version appropriée.


Derniers tweets

Pas de tweet à afficher