MARS - 计量预测软件

MARS是计量预测软件,它数据库、自建模系统、系统,适用于材料研究数据和生产数据的管理,多元非线性建模,以及多因子、多目标。MARS适合以传统回归的形式获得结果，同时又能捕获基本的非线性和相互作用的用户。

自动非线性回归
MARS建模引擎适合那些喜欢与传统回归的结果，同时捕获基本非线性和相互作用的用户。MARS方法的回归建模方法地揭示了数据模式和关系，这些模式和关系即使不是不可能，也很难被回归方法揭示出来。MARS建模引擎通过将一系列直线拼接在一起来构建其模型，每条直线允许自己的斜率。这允许MARS建模引擎跟踪数据中检测到的模式。

回归和分类
MARS模型旨在预测数字结果，例如移动电话客户的平均每月账单或购物者预期在网站访问中花费的金额。MARS引擎还能够为是/否结果生成的分类模型。MARS引擎自动且高速地执行变量选择，变量变换，交互检测和自检。

高绩效结果
MARS表现出高性能的领域预测发电公司的电力需求，将客户满意度评分与产品的工程规范相关联，以及地理信息系统（GIS）中的存在/不存在建模。 

MARS功能：

• 以图形方式了解变量如何影响模型响应

• 确定变量或一组交互变量

• 部署模型并实时以方式生成预测

• 用于模型调整和实验的自动化工具：

• 自动递归功能，可进行高等变量选择

• 自动评估允许在模型中进行交互的影响

• 找跨度值

• 执行重复的交叉验证

• 发现不同学习和预测分区的影响

MARS可在预测范围内建立多个线性回归模型。它通过对数据进行分区来执行此操作，然后在不同的分区上运行线性回归模型。

MARS算法是线性模型的扩展，它不对响应变量和预测之间的关系做出假设。虽然广义线性模型和广义加法模型假定预测变量的系数在预测变量的值上都是恒定的，但MARS算法考虑到了这种情况通常并非如此。但是，MARS算法还与机器学习模型（例如基于树的模型），因为它使用了的迭代方法。

系统要求

Windows系统要求

操作系统（限64位）：Windows 7 SP 1或更高版本、Windows 8或8.1、Windows 10

RAM ：2GB

处理器：采用SSE2技术的Intel Pentium 4或AMD Athlon双核处理器

硬盘空间：至少2GB可用空间

屏幕分辨率：1024x768或更高

Linux系统要求

操作系统（64位）：Ubuntu 14.04或16.04、CentOS 6.9或7.5、RHEL 6.9或7.5.

RAM：2GB

处理器：采用SSE2技术的Intel Pentium 4或AMD Athlon双核处理器

硬盘空间：至少2GB

【英文介绍】

MARS software is ideal for users who prefer results in a form similar to traditional regression while capturing essential nonlinearities and interactions. The MARS approach to regression modeling effectively uncovers important data patterns and relationships that are difficult, if not impossible, for other regression methods to reveal. MARS builds its model by piecing together a series of straight lines with each allowed its own slope. This permits MARS to trace out any pattern detected in the data.

HIGH-QUALITY PROBABILITY
The MARS model is designed to predict continuous numeric outcomes such as the average monthly bill of a mobile phone customer or the amount that a shopper is expected to spend in a web site visit. MARS is also capable of producing high quality probability models for a yes/no outcome. MARS performs variable selection, variable transformation, interaction detection, and self-testing, all automatically and at high speed.

HIGH-PERFORMANCE RESULTS
Areas where MARS has exhibited very high-performance results include forecasting electricity demand for power generating companies, relating customer satisfaction scores to the engineering specifications of products, and presence/absence modeling in geographical information systems (GIS).