|
|
机器学习与分析系列
经过验证的、用于科学数据分析周期的数据科学工具
简化您的数据科学工作流程
数据可能存在各种各样的形式和大小，所以必须对数据科学技术有深入了解后，才能高效可付诸实践的深度见解。 BIOVIA Pipeline Pilot 机器学习与分析合集 提供了一套全面的机器学习和数据建模功能，可优化您的数据科学计划。
分析数据、训练和再训练模型，并将您的自动化解决方案部署到有用的企业应用中。
开发机器学习解决方案通常需要复杂的软件架构和深厚的统计知识。借助 BIOVIA Pipeline Pilot 分析与机器学习系列 ，开发人员和最终用户只需点击几次鼠标，即可将最新的机器学习技术整合到工作流程中。无需编程。
主要优势
- 合并、加入、表征和清理数据集
-
将 15 种以上的机器学习 (ML) 方法中的任何一种应用于您的科学和工程数据
- 无需编写 R 脚本，即可使用基于 R 语言的机器学习方法，例如支持向量机、神经网络和 XGBoost
- 使用 Python 机器学习库，包括 scikit-learn 和 TensorFlow
-
快速应用统计分析
- 使用回归和分类模型评估查看器来评估和比较模型测试集性能
- 构建快速、可扩展的贝叶斯分类模型
- 使用 GFA 方法的遗传算法进行变量选择和构建回归聚合模型
- 构建准确、易于使用的 RP Forest 回归和分类模型
-
管理模型性能
- 部署模型应用域 (MAD) 方法和交叉验证
- 使用机器学习框架对任何类型的模型进行交叉验证、超参数调优和变量重要性评估
-
灵活工作
- 支持第三方统计平台和工具，如 Jupyter Notebook、R、JMP 和 SAS
-
读入特定学科的数据
- 专门用于支持各种数值、化学、生物、文本和图像数据类型
- 使用内置应用域度量和误差模型来评估特定样本的预测置信度
-
优化预测
- 同时训练多个试验模型以识别绩效最佳的模型，或者将多个模型组合成一个聚合模型
-
简化多目标优化
- 运用帕累托优化等方法解决多目标优化问题
-
在工作流程中可视化结果
- 使用 ROC 图、富集图和其他可视化技术来生成交互式报告
- 执行探索性分析，包括 PCA、聚类和多维数据可视化
开启您的旅程
机器学习与分析行业瞬息万变。了解如何利用 BIOVIA 保持领先
