模型rtf格式

产品说明书SAS模型工厂可以做什么SAS模型工厂(SASFactoryMiner)提供一个基于Web自动化的可定制环境,用来在多个业务条线中大规模地建立、比较和再训练预测模型.
仅仅只需几次点击操作,就可以在实战中测试您最喜爱的机器学习算法,并发现最佳模型.
SAS模型工厂为什么重要SAS模型工厂具有自动化、易于使用和可扩展特性,可以提升您的预测模型建模能力,提高分析人员的工作效率.
他们可以快速共享模型、模板、结果和最佳实践.
拥有更好更精确的模型,确保你的企业不会错过盈利机会或陷于未知的风险中.
SAS模型工厂为谁而设计主要为数据挖掘人员、统计人员、数据科学家、数据库营销人员、业务分析师等等而设计;同时为那些需要自动化大数据量处理,在短时间内来建立和评估众多模型的人而打造.
SAS模型工厂利用高级机器学习技术,快速方便且自动化地开发大量分析模型随着企业开始应用分析技术来发展客户和业务,预测模型的开发也变得越来越精细.
这就需要创建更多的模型,然而大多分析人员和数据科学家却没有这么多的时间分给这项工作.
SAS模型工厂提供一个基于Web的交互式环境,使得创建、修改和运行成千上万的模型变得极为简单快捷.
只需要几下点击操作,您就能够修改和转换您的数据,选择您需要使用的机器学习技术,在自动化建模环境中运行模型,快速识别每个分组中性能表现最佳的模型.
如果某个分组中的模型表现不佳,您可以很方便地进行手动微调,来提高预测的准确性.
带来的好处提高知识发现的效率通过对耗时的模型开发过程的自动化,获得巨大的模型生产能力.
包括数据准备、变量转换、预测变量和算法选择等等.
SAS模型工厂具有易于使用的Web界面,让您可以为每个客户群建立多个模型,并且自动化地识别最准确的模型.
自动化模型开发.
选择最佳细分战略,解决您的业务问题.
通过一套预置的建模模板,让您可以快速开始自定义预测建模,满足您的要求.
与同事共享成功的模板,使用自动化的报告和文档化功能,在您的企业中应用模型设计和结果的最佳实践.
更快地探索新的想法.
对大型复杂的数据应用机器学习和预测分析技术,快速获得结果.
如果某个模型失败了,您可以快速使用不同的输入或思维来重新尝试.
当变量改变或发现了新的变量时,您可以在不建立整个数据挖掘流程或挑战现有算法的情况下,测试这些变量.
快速将模型部署上线.
可通过点击按钮部署冠军模型.
SAS模型工厂自动生成完整的评分代码--包括所有必须的数据准备和转换步骤.
而且,重训练模型也很容易,因为与模型开发和部署相关的一切工作都被集中管理起来.
产品概述SAS模型工厂提供一个自动化的框架,用于快速便捷自动化地建立、比较和再训练成千上万的模型.
通过一个基于Web的拖拽操作界面,针对多个业务条线(例如产品、区域和渠道)或者为不同的客户群(低端或高端客户等等)建立模型.
软件使用统计和机器学习算法同时测试多个模型,基于预定义的性能指标对不同分组识别出性能最佳的模型.
如果您对这种自动化的方式不甚满意,您可以对每一个模型进行手动微调.
通过自动化预测模型开发流程(数据定义、数据清洗、特征选取、建模和模型评估),SAS模型工厂大大缩短了模型开发时间.
经验丰富的分析师和新手都可以提高生产效率,专注于从精细模型中获得价值,得出更准确的洞察,制定更好的决策.
数据访问和数据准备通过这个界面,用户可以轻松地访问SAS数据集,数据表和Hadoop文件.
下一步是准备数据,这通常是分析建模中最耗时的工作.
使用SAS模型工厂,用户一次性指定变量的角色和水平,就可以其它人共享这些设置.
这意味着每个用户都可以使用一致的基础定义,例如哪些属性是目标变量,哪些变量定义分组策略,以及哪些变量是输入特征.
自动刻画数据特征,提供对分析宽表的快速概览,能够识别有问题的数据,包括缺失值,异常值或偏斜的变量分布.
交互式的数据准备工具,让数据转换变得十分简单,派生新的变量,进行智能化的特征选取,例如基于树和随机森林的变量选取.
图1:客户化评估技术让您能够在数据中为每个分组生成冠军模型.
图2:您可以查看模型拟合统计量,对预测模型进行必要的改动.
客户自定义模型模板易于使用的建模模板,利用尖端的机器学习技术,如开箱即用的随机森林、梯度推进、支持向量机和贝叶斯网络,以及决策树和回归模型等.
所有模板都包括为模型开发的流程块和基于SAS最佳实践的缺省参数设置.
您可以在各个项目间定制、编辑和共享您的模型模板,和他人一起为企业建立一套建模流程最佳实践.
向下钻取和定制模型,提高模型的性能.
在模型模板中拖拽模型块,决定是否和如何应用冗余消减技术,例如变量选取或主成分、异常值过滤、补缺和变量转换等.
对每个建模项目来说,您可以从缺省模板、自己的模板或同事共享的模板中,选择想要用来参与模型竞赛的建模模板.
自助式机器学习自助式机器学习和预测分析,让您能够有效地在直观界面中测试新的想法.
无需编写任何的程序代码或熟知机器学习技术如何工作,您就可以非常快速地创建一套基准模型.
对于性能不佳和未能达到企业标准的模型,分析专家可以轻松地深入挖掘引擎,自定义建模流程中的模型块,甚至是为每个模型块微调参数设置.
可以保存微调的设置,并在自定义模板中共享.
SAS模型工厂应用客户化的评估技术,自动为每个分组选取冠军模型.
您还能够推翻系统选取的模型,使用您想要的规则来手动选取冠军模型.
模型还可以跨组进行比较,发现性能之间的相对差异,以及每个模型的主要因子.
识别模型异常为帮助提高模型性能,SAS模型工厂提供了容易理解的标准报表,可以发现模型问题和高置信度的最佳模型,甚至非技术用户也可以做到.
然后您可以轻松地识别出性能差的模型,发现需要微调的建模细节.
自动文档化使得在模型设计和模型结果的最佳实践,可以轻松地在企业内部相关人员之间共享.
这还能够帮助您满足合规要求.
主要特点数据访问和数据准备访问注册在SAS元数据服务器中的数据源,包括SAS数据集、数据表和Hadoop文件.
交互式设定数据源的元数据,例如变量角色、水平和顺序,或者使用自动设定来在项目间共享变量设置.
定义数据分组,进行分层建模.
使用自动的数据特征刻画和交互式变量分布图形,评估数据问题.
使用下列技术过滤输入数据:缩尾,标准差,修剪和稀有值.
为了得到更好的模型,可对数据进行转换:log,log10,平方根、倒数、平方、指数、中心化、标准化、区间、分箱、分位数、优化分箱和主成分分析.
使用统计和机器学习补缺方法来清洗数据:均值、最小值、最大值、中位数、常数、计数、基于分布.
定制有指导学习模板交互式地建立自定义模板,包括模型和后续处理步骤:过滤、主成分、补缺、转换和有指导的和无指导的变量选取.
创建您自己的模型模板.
编辑数据准备或模型的参数,并保存为自定义模板.
跨项目和用户共享模型模板.
自助服务式机器学习技术使用以下技术建立模型:贝叶斯网络决策树梯度推进神经网络随机森林支持向量机广义线性模型线性回归逻辑回归交互式查看模型结果冠军模型的识别使用下列选取规则为每个分组自动选取冠军模型:K-S统计量提升和累计提升增益和累积增益误分类率捕获事件的百分比平均捕获事件的百分比均方误差推翻系统选取的模型,人工选取冠军模型在一个和多个分组中交互式比较和评估模型灵活的模型部署和管理一旦模型竞赛确定了每个分组的冠军模型,就需要将冠军模型部署到生产环境中进行日常评分.
这项工作可能会非常冗长乏味,比如人工重写或修改代码,延迟模型的部署,可能导致代价高昂的潜在错误.
SAS模型工厂为每个模型自动生成SAS评分代码--包括所有必须的数据准备和转换步骤.
结合SAS评分加速器,SAS模型工厂的模型可以直接发布在多种数据库或Hadoop中.
此外,所有模型开发和评分的过程都可以注册到SAS模型管理器中.
通过集中化的Web用户界面,SAS模型管理器可以实现SAS或第三方模型的生命周期管理,管控您的模型资产.
模型重训练预测模型也有有限的寿命.
在开发阶段通过机器学习算法发现的数据关系,常常随时间的改变而改变,所以重训练模型是必需的.
使用SAS模型工厂,只需要选定已经保存的模型,使用新的数据重新运行就可以了.
主要特点(续)识别模型异常查看报告中的模型性能异常.
轻松识别性能差的模型并查看细节信息.
修改每个模型模板的缺省设置.
模型跟踪与报表生成汇总报表,包括模型结果、重要变量和模型设置.
生成PDF和RTF格式的报告并共享.
模型重训练在新的数据集上重新训练现有模型模板.
对重训练的模型生成模型评估统计量.
生成模型性能衰减报告.
灵活的模型管理和部署为所有模型模板自动生成SAS评分代码.
注册模型到SAS模型管理器中,可进行集中化的模型部署和管理.
(要求安装SAS模型管理器)使用SAS评分加速器在数据库和Hadoop中部署模型.
(要求安装SAS评分加速器)可扩展的处理在SAS服务器上使用多线程的过程步训练模型,利用多核服务器的处理能力.
通过SAS网格管理器使用异步处理训练模型,进行负载均衡和调度.
(要求安装SAS网格管理器)在数据库一体机(Oracle,Teradata,Greenplum和SAPHANA)或Hadoop上使用SAS高性能数据挖掘,在内存中训练模型.
(要求安装SAS高性能数据挖掘)内置的模型评估结果历史记录,方便您轻松查看新的模型性能是否超出之前的一批.
新的冠军模型随后可投产上线,代替性能不佳的现有模型.
可扩展的处理SAS模型工厂可以在单机环境下运行分析模型,或利用SAS网格管理器的负载均衡和调度功能在网格环境下运行,或使用SAS高性能数据挖掘在内存中运行.
也就是说您可以在最适合解决问题的环境中运行.
而且,随着数据量增长、问题变得越来越复杂或您的分析能力越来越成熟,也很容易对SAS模型工厂进行性能扩展.
若要深入了解SAS模型工厂的系统需求、下载白皮书、查看屏幕截图或者浏览其它相关资料,请访问:sas.
com/factory-minerSAS和所有其它SAS公司的产品或服务名称,是SAS软件有限公司在美国和其他国家的注册商标.
表示美国注册商标.
其他品牌和产品名称均为相关公司的注册商标.
版权所有,2015年,SAS公司保留所有权利.
107815_S137444.
0715