Analytic Solver Data Mining - 為您提供易于使用，全面的數(shù)據(jù)挖掘，文本挖掘和Excel中的預(yù)測分析。您可以從SQL數(shù)據(jù)庫，Power Pivot和Apache Spark中抽取數(shù)據(jù)，以視覺方式探索數(shù)據(jù)，清理和轉(zhuǎn)換數(shù)據(jù)，創(chuàng)建，評估和應(yīng)用全系列的時間序列預(yù)測和數(shù)據(jù)挖掘模型 - 從多元回歸和邏輯回歸到分類和回歸樹，神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則。它的速度讓你驚訝！

功能：

•Excel中的預(yù)測，數(shù)據(jù)挖掘，文本挖掘

•發(fā)現(xiàn)新的收入，預(yù)測流失或欺詐

•探索，分區(qū)，轉(zhuǎn)換數(shù)據(jù)，提取特征

•使用回歸，樹，神經(jīng)網(wǎng)絡(luò)，集合，PMML

•包括桌面Microsoft Excel和cloud AnalyticSolver.com版本

 

特征：

 

高級數(shù)據(jù)挖掘和文本挖掘，Excel的易用性和競爭性定價

Analytic Solver Data Mining - “XLMiner的大哥” - 包括您需要將預(yù)測分析應(yīng)用于您的數(shù)據(jù)

 

使用許多來源的數(shù)據(jù)

從電子表格、文本文件和SQL數(shù)據(jù)庫中抽樣調(diào)查數(shù)據(jù)，包括能處理1億行或更多的微軟PowerPivot內(nèi)存數(shù)據(jù)庫。

可視化您的數(shù)據(jù)

把簡單的條形圖，直線圖和直方圖圖形的可視化輔助工具使用于多個鏈接圖表，瞬軸變化，顏色，面板，縮放，刷涂等。

分析見解文字

自動將自由格式的文本轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，識別最常用的術(shù)語，并用潛在語義索引提取關(guān)鍵概念[XLMiner Platform]。

清理和轉(zhuǎn)換數(shù)據(jù)

使用包括包括數(shù)據(jù)分類和處理缺失值的一套全面數(shù)據(jù)處理工具來清理和轉(zhuǎn)換數(shù)據(jù)，。

識別關(guān)鍵功能

使用特征選擇自動識別具有最大解釋力的列或變量，用于您所需的分類或預(yù)測任務(wù)。

減少和集群數(shù)據(jù)

使用主體組件來減少列，并使用k-means聚類或?qū)哟尉垲悂戆葱蟹纸M數(shù)據(jù)。

培訓(xùn)分區(qū)

您可以輕松地將數(shù)據(jù)分成訓(xùn)練，驗證和測試數(shù)據(jù)集，大小沒有任何限制的數(shù)據(jù)集- 即使在百忙中你也能構(gòu)建預(yù)測模型。

預(yù)測時間序列

應(yīng)用最流行的指數(shù)平滑和Box-Jenkins（ARIMA）方法與季節(jié)性來預(yù)測歷史數(shù)據(jù)的時間序列，如銷售和庫存。

預(yù)測方法

使用強大的多元線性回歸與可變選擇，以及數(shù)據(jù)挖掘方法，如K-近鄰法，以及回歸樹和神經(jīng)網(wǎng)絡(luò)的集合。

分類方法

使用經(jīng)典的判別分析和邏輯回歸，以及數(shù)據(jù)挖掘方法，如k最近鄰，naive Bayes，以及分類樹和神經(jīng)網(wǎng)絡(luò)的集合。

親和力分析

使用具有關(guān)聯(lián)規(guī)則的市場籃子分析和推薦系統(tǒng)。

易于使用的界面

使用功能區(qū)界面，使用向?qū)邮綄υ捒騺碇笇?dǎo)您完成模型和選項選擇。

示例數(shù)據(jù)集

超過30個示例數(shù)據(jù)集為您提供了一系列預(yù)測，分類，時間序列預(yù)測和親和力分析問題的練習(xí)。

幫助和支持

訪問廣泛的在線幫助，或查看我們的400多頁XLMiner用戶指南，以獲得您的問題的答案。

輕松升級

升級到分析解算平臺，不計成本地將數(shù)據(jù)挖掘和帶有模擬/風(fēng)險分析和優(yōu)化的預(yù)測最強大地組合起來。