Prädiktive Modellierung ist eine Technik, die mathematische und rechnerische Methoden verwendet, um ein Ereignis oder Ergebnis vorherzusagen. Ein mathematischer Ansatz verwendet ein gleichungsbasiertes Modell, das das betrachtete Phänomen beschreibt. Das Modell wird zur Vorhersage eines Ergebnisses zu einem zukünftigen Zustand oder Zeitpunkt auf der Grundlage von Änderungen der Modelleingaben verwendet. Die Modellparameter helfen zu erklären, wie die Modelleingaben das Ergebnis beeinflussen. Beispiele hierfür sind Zeitreihen-Regressionsmodelle zur Vorhersage des Verkehrsaufkommens von Fluggesellschaften oder die Vorhersage der Treibstoffeffizienz auf der Grundlage eines linearen Regressionsmodells der Motordrehzahl in Abhängigkeit von der Last.
Der Ansatz der computergestützten prädiktiven Modellierung unterscheidet sich vom mathematischen Ansatz, da er sich auf Modelle stützt, die sich nicht einfach in Form von Gleichungen erklären lassen und oft Simulationstechniken erfordern, um eine Vorhersage zu erstellen. Dieser Ansatz wird oft als „Black Box“-Vorhersagemodellierung bezeichnet, da die Modellstruktur keinen Einblick in die Faktoren gibt, die die Modelleingabe dem Ergebnis zuordnen. Beispiele hierfür sind die Verwendung neuronaler Netze zur Vorhersage, von welchem Weingut ein Glas Wein stammt, oder die Verwendung von Entscheidungsbäumen zur Vorhersage der Kreditwürdigkeit eines Kreditnehmers.
Die prädiktive Modellierung wird oft mit Hilfe von Kurven- und Oberflächenanpassung, Zeitreihenregression oder maschinellen Lernansätzen durchgeführt. Unabhängig vom verwendeten Ansatz ist der Prozess der Erstellung eines Vorhersagemodells bei allen Methoden gleich. Die Schritte sind: