SAS Visual Data Mining & Machine Learning是一种集成的协作解决方案,旨在轻松解决复杂的分析问题。它提供了自动化建模API,允许组织中的每个人在同一集成环境中工作,从数据管理到模型开发和部署。
主要特点:
自动化洞察:
- 自动洞察生成: SAS Visual Data Mining & Machine Learning 自动生成见解,帮助您识别所有模型中的常见变量、在模型中选择的最重要变量以及所有模型的评估结果。自然语言生成功能可创建简单的语言项目摘要,使报告的解释变得轻松。
- 协作环境:团队成员可以将项目备注添加到洞察报告中,从而加强沟通和协作。
为用户提供语言选项:
- 嵌入开放源代码:如果您不了解SAS代码,您仍然可以在分析中使用开放源代码,在管道中调用开放源码算法,并从公共存储库中访问这些模型。这促进了协作,因为用户可以使用他们喜欢的语言工作。
- Python集成:利用GitHub上的开源包SAS Deep Learning with Python(DLPy),在Jupyter笔记本电脑中使用Python。DLPy为深度学习功能提供高级API,包括计算机视觉、自然语言处理、预测和语音处理。它还支持开放式神经网络交换(ONNX),以便在框架之间轻松移动模型。
高效地优化解决方案:
- 海量并行处理: SAS Visual Data Mining & Machine Learning通过大规模并行处理提供卓越的性能。它为机器学习管道提供了功能丰富的构建块,允许您快速探索和比较多种方法。
- 机器学习算法:该工具提供了各种机器学习算法,如决策树、随机森林、梯度提升、神经网络、支持向量机和因式分解机器。通过选择首选项,您可以快速找到这些算法的最佳参数设置。复杂的局部搜索优化例程可以有效地微调模型。
- 非结构化数据和结构化数据:集成的机器学习程序使您能够组合非结构化数据和结构化数据,从各种数据类型中提取有价值的见解。
- 重现性:分析生命周期的每个阶段都确保了可重复性,提供了值得信赖的答案和见解。
提高分析团队的工作效率:
- 协作环境: 数据科学家、业务分析师和分析专业人员在支持整个机器学习管道的单一协作环境中工作。用户可以访问,准备数据,执行探索性分析,构建和比较机器学习模型,创建预测模型评分代码,并通过单击部署模型。
减少数据和决策之间的延迟:
- 业务友好型注释:该解决方案在每个节点中提供业务友好的注释,描述正在运行的方法,并提供有关方法、结果和解释的信息。
用简单的语言解读模型:
- 可解释性报告:标准可解释性报告在所有建模节点中都可用,包括LIME、ICE、Kernel Shap、PD Heatmap等,并通过自然语言生成以简单语言生成的解释。
免费试用:
- SAS Viya的14天免费试用,其中包括SAS Visual Data Mining & Machine Learning 和整个分析生命周期的功能,可供用户探索该工具的功能。
使用案例:
SAS Visual Data Mining & Machine Learning非常适合希望简化复杂分析流程的组织。它使分析团队能够有效协作,生成自动化洞察,并在各种机器学习算法中找到最佳解决方案。
相关导航
暂无评论...