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.
Binning Lookup
Binning Lookup aplica binning previamente definido a los datos nuevos con bines existentes creados en los flujos de datos mediante la etapa Binning.
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
Linear Regression crea 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
Análisis de componentes principales (PCA) es un proceso estadístico que 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 crea modelos a partir de conjuntos de datos que usan objetivos binarios o multinomiales con variables de entrada.
Random Forest Regression crea modelos a partir de conjuntos de datos que usan objetivos continuos con variables de entrada.
Java Model Scoring
Esta característica evalúa nuevos datos usando la fórmula creada cuando ajusta un modelo de machine learning.Administración de modelo de aprendizaje automático
Machine Learning Model Management le permite administrar todos los modelos de machine learning en su servidor Spectrum™ Technology Platform. Puede exponer, no exponer o eliminar modelos. Además, puede ver información detallada de cada modelo y comparar cualquier par de modelos del mismo tipo.