Modulo Machine Learning
Binning
Binning divide los registros en grupos (contenedores) para una variable continua sin considerar la información de objetivos. Puede ejecutar binning no supervisado de una de estas dos maneras: usando contenedores del mismo ancho o contenedores de la misma frecuencia.
K-Means Clustering
K-Means Clustering permite crear modelos según agrupaciones en clústeres analíticas, lo cual segmenta un conjunto de registros en clústeres de registros similares a partir de valores de datos.
Regresión lineal
La regresión lineal le permite realizar aprendizaje automático mediante la creación de modelos a partir de conjuntos de datos que usan objetivos continuos con variables de entrada.
Logistic Regression
Logistic Regression crea modelos a partir de conjuntos de datos que usan objetivos binarios con variables de entrada.
Análisis de componentes principales
El análisis de componentes principales es un proceso estadístico mediante el cual se convierte un conjunto de observaciones de variables posiblemente correlacionadas en un conjunto de valores de variables no correlacionadas linealmente, conocido como componentes principales.
Random Forest Classification
Random Forest Classification le permite realizar aprendizaje automático mediante la creación de modelos a partir de conjuntos de datos que usan objetivos continuos con variables de entrada.
Regresión de bosques aleatorios
La regresión de bosques aleatorios le permite realizar aprendizaje automático mediante la creación de modelos a partir de conjuntos de datos que usan objetivos binarios con variables de entrada.
Administración de modelo de aprendizaje automático
En la Administración de modelo de aprendizaje automático se incluye la evaluación de modelo, la cual le permite administrar todos los modelos de aprendizaje automático en su servidor Spectrum™ Technology Platform, y la Administración de binning, la cual le permite administrar cualquier binning de su servidor Spectrum™ Technology Platform.