Les fournisseurs peuvent proposer des solutions exclusives ou des solutions basées sur des technologies Open source. Les logiciels d`analyse prédictive peuvent être déployés localement pour les utilisateurs d`entreprise ou dans le Cloud pour les petites entreprises ou pour les initiatives basées sur des projets ou des équipes. Conceptuellement, la modélisation prédictive géospatiale est enracinée dans le principe selon lequel les occurrences des événements modélisés sont limitées dans la distribution. Les occurrences d`événements ne sont ni uniformes ni aléatoires dans la distribution — il existe des facteurs d`environnement spatial (infrastructure, socioculturel, topographique, etc.) qui limitent et influencent l`endroit où se déroulent les événements. La modélisation prédictive géospatiale tente de décrire ces contraintes et influences en corrélisant spatialement les occurrences d`emplacements géospatiaux historiques avec des facteurs environnementaux qui représentent ces contraintes et ces influences. La modélisation prédictive géospatiale est un processus d`analyse des événements par le biais d`un filtre géographique afin de faire des déclarations de probabilité d`occurrence d`événement ou d`émergence. Le diagnostic médical est l`un des meilleurs exemples de modélisation prédictive dans les soins de santé, qui a déjà connu des changements majeurs en conséquence. Avec des millions d`enregistrements de données chaque année, la quantité de données disponibles dans le domaine médical est suffisante pour créer des modèles extrêmement précis. Il existe de nombreux cas d`utilisation pour la modélisation prédictive dans le domaine médical, mais le diagnostic prédictif a déjà eu un impact significatif sur le terrain et continue à faire des percées dignes d`intérêt sur une base régulière. Un exemple est le Q-POC, un outil de diagnostic produit par la société britannique de dispositifs médicaux QuantumMDx, qui utilise la modélisation prédictive pour atteindre les diagnostics en moins de 20 minutes. Si largement adopté, des dispositifs comme celui-ci pourraient révolutionner la façon dont les professionnels donnent des soins médicaux dans le monde entier et traitent des points douloureux comme le diagnostic inexact, les temps d`attente, et plus. Une autre utilisation de la modélisation prédictive dans l`espace de soins de santé est le diagnostic des maladies rares. Par exemple, en 2016, IBM a annoncé un partenariat avec le Centre des maladies non diagnostiquées et rares de l`hôpital universitaire de Marburg, en Allemagne.

Là, les patients qui ont vu de nombreux médecins-certains autant que 40-viennent à des professionnels de la santé qui se spécialisent dans les maladies rares. En plus d`IBM, Google s`est associé à plusieurs hôpitaux britanniques pour des projets similaires. L`amélioration des diagnostics dans les maladies rares et la médecine en général pourrait aider des millions de personnes par an à l`avenir. Sur les quatre types d`analyse de données, la modélisation prédictive est plus étroitement liée à la catégorie analytique prédictive. Les types de fourrure d`analyse de données sont: les unités d`échantillonnage disponibles avec des attributs connus et des performances connues sont appelées «échantillon de formation». Les unités d`autres échantillons, avec des attributs connus mais des performances inconnues, sont appelées «unités de [formation] échantillon». Les unités d`échantillonnage ne portent pas nécessairement une relation chronologique avec les unités d`échantillonnage de formation. Par exemple, l`échantillon de formation peut consister en des attributs littéraires d`écrits par des auteurs victoriens, avec une attribution connue, et l`unité d`échantillon hors-de peut être nouvellement trouvée écrivant avec la paternité inconnue; un modèle prédictif peut aider à attribuer une œuvre à un auteur connu.

Un autre exemple est donné par l`analyse des éclaboussures de sang dans les scènes de crime simulées dans lesquelles l`unité d`échantillon est le modèle de éclaboussure de sang réel d`une scène de crime. La sortie de l`unité d`échantillonnage peut être à partir du même moment que les unités de formation, à partir d`une heure précédente, ou d`un temps futur. Bien que certains systèmes et dispositifs qui utilisent la modélisation prédictive et des algorithmes pour atteindre un diagnostic peuvent désormais surpasser les professionnels de la santé, il semble peu probable que les médecins seront remplacés par des ordinateurs.