Altair ® Knowledge Studio ® 新版本已於3月正式發布！新版本對用戶管理和安全性、時間序列數據處理、報告和數據共享功能進行了大量改進，本期將針對Knowledge Studio的新功能和變化做總結。
關於Altair ® Knowledge Studio ®
Knowledge Studio是一個先進的數據挖掘，機器學習和預測分析工作台，以其行業領先的專利決策樹、策略樹以及工作流和嚮導驅動的圖形用戶界面而聞名。
憑藉先進的預測建模功能，Knowledge Studio 為數據挖掘週期的所有階段提供全面的預測分析，在模型開發和部署方面功能尤其強大。
Part 1
ARIMA 時間序列預測
( ARIMA Time Series Forecasting )
該平台現在支持差分移動平均自回歸（ARIMA） 時間序列預測模型。ARIMA是一種簡單而強大的方法，用於包含季節性和其他類型的半正則變化的時間序列的預測。例如，使用ARIMA模型來預測:
- 工廠的電力和原料利用率
- 煉油廠的產量
- 卡車車隊、鐵路和海運公司的燃油消耗
- 醫院的病人出院量和住院量
- 任何業務的銷售量、收入和費用
用戶可以在帶有外源性列的單列數據上建立ARIMA預測模型
功能包括:
- 在模型和Score 節點中訪問系統生成的Python 代碼
- 在模型擬合前分解原始數據並顯示診斷圖
- 通過自動ARIMA選項選擇最準確的模型
- 使用逐步算法或網格搜索根據用戶定義的種子值估計ARIMA 參數
- 使用手動輸入的ARIMA 參數構建用戶自定義的模型
- 使用標準指標顯示診斷圖，以評估模型質量
- 單個節點內的預測
- 在構建帶有外源性列的ARIMA 模型時，使用Score 節點預測數據
Part 2
自動特徵工程
(Auto-Feature Engineering)
- 功能的自動性節省了開發新模型的時間，減少了模型設計錯誤的可能性
- 用戶可以選擇表，並指定多個表之間的關係
- 為每個可用的模型特徵組合自動生成轉換和聚合
Part 3
自動機器學習(AutoML)
- 這些改進顯著減少了構建新的機器學習工作流所需的時間。
- 在單個模型中運行網格搜索。
- 新的交叉驗證選項。
Part 4
其他
- 可以在歡迎界面和幫助菜單中找到Knowledge Studio 用戶社區鏈接
- 在策略樹模型節點中會顯示連續型因變量的缺失值的數量
- 評分卡模型節點中的New Points Range Scaling 選項允許用戶指定最大和最小分值數，而不是基於預期分值、基準比率和PDO 來指定比率變換
- 直接從Jupyter Notebook 中更新Python 代碼節點中的代碼，而不需要關閉Notebook
- 數據集優化（Dataset-Level Optimization）和多場景優化（Multiple Scenario Optimization）節點現在支持全局決策變量
歡迎申請試用
體驗高效的數據建模和機器學習↓↓↓
點擊下方鏈接即刻免費申請試用：
文章標籤
全站熱搜
留言列表
