数据驱动的决策

规范性分析是数据分析的一个分支,它使用预测模型来建议采取的行动以获得最佳结果。预测负载在接下来的24小时内电网就是一个例子预测分析,而决定如何操作发电厂根据这一预测表示规范的分析

规范性分析依赖于优化和基于规则的决策技术。

优化技术线性规划整数规划,非线性规划在规范性分析中扮演重要角色,因为它们能够以最优的方式做出一系列决策。这些技术被应用到模型中,模型表示要做的决策、对决策的约束以及比较决策的目标。

规范的分析示例

设定生产和库存水平以满足预测需求在销售地点是一个通过整数规划解决的规定性分析问题:

  • 的决定每个工厂应该向每个仓库供应多少,哪个仓库应该服务于哪个销售地点。
  • 的约束是容量限制和需求。
  • 我们的目标是一个使成本最小化的计划。

基于规则的技术包括推理引擎记分卡,决策树在规范性分析中用于做出决策,如当传感器读数超过阈值时选择关闭设备进行维护,或当其分数足够高时接受金融交易。

规范性分析还包括对不确定性的考虑,从而使决策能够针对一系列结果进行稳健的分析。蒙特卡罗模拟常用于此分析。

规范性分析以数据开始,以决策结束。MATLAB®它的工具箱支持从数据采集、清理和探索、预测和说明性建模到企业系统部署之间的所有步骤。

要了解更多,请看数据科学概述优化工具箱™全局优化工具箱,统计和机器学习工具箱™

参见:预测分析数据科学预见性维护线性规划整数规划二次规划非线性规划遗传算法多目标优化控制系统信用评分