SAS 可视化数据挖掘和机器学习-云巴巴 -云巴巴

立即咨询

立即试用

商务合作

SAS 可视化数据挖掘和机器学习

通过全面的可视化和编程界面支持端到端数据挖掘和机器学习过程，强大和自动化的方法，为所有技能水平的分析团队成员提供能力，以处理分析生命周期中的所有任务。

立即咨询

首页

数字化产品

数据采集/挖掘

产品优势

自动化见解和可解释性

自动生成见解，包括有关项目，冠军模型和挑战者模型的摘要报告。嵌入式自然语言生成中的简单语言有助于报表解释，并减少了业务分析师的学习难度。

自动化特征工程和建模

通过自动要素工程和建模，节省了宝贵的时间并提高了分析团队的工作效率。

易于使用的分析

提供最佳实践模板，以快速，一致地开始构建模型，并确保分析团队之间的一致性。分析能力包括聚类，不同类型的回归，随机森林，梯度提升模型，支持向量机，自然语言处理，主题检测等。

借助Python和ONNX支持进行深度学习

通过GitHub上的SAS深度学习Python（DLPy）开源软件包，使Python用户能够访问Jupyter笔记本中用于深度学习功能的高级API。DLPy支持开放式神经网络交换（ONNX），可在框架之间轻松移动模型。

集成的数据准备，探索和特征工程

使数据工程师能够使用拖放界面在集成的活动可视化管道中快速构建和运行转换，扩充数据并将数据联接在一起。执行内存中的所有操作以维护数据结构的一致性。

高度可扩展的内存中分析处理

在安全的多用户环境中允许并发访问内存中的数据。在每个节点上以多线程并行方式跨节点分布数据和分析工作负载操作，以实现极快的速度。

图像分析和生物医学成像

支持用于分析生物医学图像（包括注释图像）的端到端流程。

可访问且云就绪

使建模人员和数据科学家可以从其首选的编码环境（Python，R，Java或Lua）访问SAS功能，并通过SAS Viya REST API将SAS的功能添加到其他应用程序中。

从数据管理到模型开发和部署，每个人都在同一个集成环境中工作。

利用自动洞察轻松解决复杂的分析问题。

SAS可视数据挖掘和机器学习会自动生成见解，使您能够识别所有模型中最常见的变量，在模型中选择的最重要变量以及所有模型的评估结果。自然语言生成功能用于创建以简单语言编写的项目摘要，使您可以轻松地解释报告。Analytics团队成员可以将项目注释添加到见解报告中，以促进团队成员之间的沟通和协作。

为用户提供语言选项

不知道SAS代码？没问题。SAS可视数据挖掘和机器学习使您可以将开放源代码嵌入分析中，并在Model Studio流中无缝调用开放源算法。因为用户可以使用自己选择的语言进行编程，所以这可以促进整个组织的协作。您还可以利用GitHub上的开源软件包SAS Deep Learning with Python（DLPy），在Jupyter笔记本中使用Python来访问用于深度学习功能的高级API，包括计算机视觉，自然语言处理，预测和语音处理。DLPy支持开放式神经网络交换（ONNX），可在框架之间轻松移动模型。

快速探索多种方法以找到最佳解决方案

大规模并行处理的卓越性能和机器学习管道中功能丰富的构建基块，可让您快速探索和比较多种方法。您只需选择所需的选项，即可快速轻松地找到适用于各种机器学习算法（包括决策树，随机森林，梯度提升，神经网络，支持向量机和分解机）的最佳参数设置。复杂的本地搜索优化例程在后台工作，以高效地调整模型。该解决方案还使您可以在集成的机器学习程序中结合非结构化和结构化数据，以从新数据类型中获得更有价值的见解。分析生命周期各个阶段的可重复性可提供您可以信赖的答案和见解。