Machine Learning-Modul
Binning
Beim Binning werden Datensätze für eine kontinuierliche Variable in Gruppen (Bins) aufgeteilt, ohne dass dabei Zielinformationen berücksichtigt werden. Sie können das unbeaufsichtigte Binning mit einer der beiden folgenden Methoden durchführen: mit Bins vom Typ „equal-width“ oder mit Bins vom Typ „equal-frequency“.
K-Means Clustering
Beim „K-Means Clustering“ werden Modelle auf der Grundlage des analytischen Clusterings erstellt. Dabei wird eine Reihe von Datensätzen basierend auf Datenwerten in Cluster mit ähnlichen Datensätzen segmentiert.
Linear Regression
Mit „Linear Regression“ können Sie Machine Learning durchführen, indem Sie Modelle aus Datasets erstellen, die kontinuierliche Ziele mit Eingabevariablen verwenden.
Logistic Regression
Mit Logistic Regression werden Modelle aus Datasets erstellt, die im Hinblick auf Eingabevariablen binäre Ziele verwenden.
Principal Component Analysis
„Principal Component Analysis“ ist ein statistisches Verfahren, das einen Beobachtungssatz von möglicherweise korrelierten Variablen in einen Wertesatz von linear nicht korrelierten Variablen (prinzipielle Komponenten) umwandelt.
Random Forest Classification
Mit „Random Forest Classification“ können Sie Machine Learning durchführen, indem Sie Modelle aus Datasets erstellen, die kontinuierliche Ziele mit Eingabevariablen verwenden.
Random Forest Regression
Mit „Random Forest Regression“ können Sie Machine Learning durchführen, indem Sie Modelle aus Datasets erstellen, die kontinuierliche Ziele mit Eingabevariablen verwenden.
Machine Learning-Modellverwaltung
Die Machine Learning-Modellverwaltung umfasst die Modellbewertung, mit der Sie alle Machine Learning Modelle auf Ihrem Spectrum™ Technology Platform-Server verwalten können, und Binning Management, mit dem Sie alle Binnings auf Ihrem Spectrum™ Technology Platform-Server verwalten können.