5種數(shù)據(jù)挖掘工具分析比較-資料下載頁
2025-06-29 07:08本頁面
【正文】 作方式,無需任何編程基礎(chǔ) 高性能運(yùn)行，支持海量數(shù)據(jù)和多種數(shù)據(jù)源，突破傳統(tǒng)Java速度限制個(gè)性化動(dòng)態(tài)報(bào)表和新穎的展示 可重復(fù)性使用的分析流程，圖形化的批量處理模式跨平臺(tái)運(yùn)行 支持多國語言 1．全球第一套以工作流模式在準(zhǔn)三維操作環(huán)境下運(yùn)作的統(tǒng)計(jì)分析和數(shù)據(jù)挖掘系統(tǒng)產(chǎn)品 3．高度圖形化的操作方式,無需任何編程基礎(chǔ) 4．高性能運(yùn)行，支持海量數(shù)據(jù)和多種數(shù)據(jù)源，突破傳統(tǒng)Java速度限制 5. 個(gè)性化動(dòng)態(tài)報(bào)表和新穎的展示6. 可重復(fù)性使用的分析流程，圖形化的批量處理模式7. 跨平臺(tái)運(yùn)行支持多國語言三、功能特點(diǎn)：企業(yè)指標(biāo)分析、定制和管理 模型構(gòu)建和管理體系 預(yù)警預(yù)測(cè) 數(shù)據(jù)分析和挖掘平臺(tái) 經(jīng)營管控、績效分析、管理駕駛艙平臺(tái) 展現(xiàn)平臺(tái)(包括定制報(bào)表、報(bào)表展現(xiàn)，圖表及OLAP展現(xiàn)等) 系統(tǒng)權(quán)限管理 企業(yè)數(shù)據(jù)倉庫建設(shè)和管理四、案例：上海市外貿(mào)出口時(shí)間序列分析外貿(mào)出口是上海市經(jīng)濟(jì)發(fā)展的一個(gè)很重要的方面，尤其是近年來江浙一帶出口加工貿(mào)易的蓬勃發(fā)展，使得上海市外貿(mào)出口呈現(xiàn)出快速變化的特點(diǎn)，為了分析上海市外貿(mào)出口額的變化規(guī)律，并進(jìn)行預(yù)測(cè)，可以選用馬克威分析系統(tǒng)的時(shí)間序列分析模塊，進(jìn)行建模和預(yù)測(cè)。使用馬克威分析系統(tǒng)進(jìn)行建模的步驟為：：描繪數(shù)據(jù)圖形，對(duì)數(shù)據(jù)進(jìn)行變換、檢驗(yàn)平穩(wěn)性。，以決定是否要進(jìn)行差分。(ARIMA 等)估計(jì)模型參數(shù)和相關(guān)統(tǒng)計(jì)量。 使用時(shí)間序列模型對(duì)上海市外貿(mào)出口額進(jìn)行預(yù)測(cè)的效果為：GDM（博通數(shù)據(jù)挖掘分析系統(tǒng)）一、簡(jiǎn)述：GDM，是天才博通科技有限公司自主研發(fā)的一款基于B/S 架構(gòu)的、分布式數(shù)據(jù)挖掘系統(tǒng)，采用了較之“數(shù)據(jù)挖掘交叉行業(yè)標(biāo)準(zhǔn)過程”CRISPDM（CrossIndustry Standard Process for Data Mining）更為科學(xué)的分析流程，并提供了易用的圖形化用戶界面和強(qiáng)大的圖形可視化技術(shù)。GDM 使分析人員能夠快速構(gòu)建各類數(shù)據(jù)挖掘模型，并以WebService 形式進(jìn)行發(fā)布，方便其它企業(yè)級(jí)應(yīng)用系統(tǒng)中快速調(diào)用模型，并進(jìn)行靈活封裝。、14種統(tǒng)計(jì)分析方法。二、特點(diǎn)：（1）B/S架構(gòu)——便捷、高效、低成本、高集成性 （2）閉環(huán)分析流程——降低分析流程各角色的協(xié)調(diào)成本，縮短模型部署周期，強(qiáng)化模型的自學(xué)習(xí)能力，確保模型的可持續(xù)性使用（3）完善的分析方法——包含特征壓縮、分類預(yù)測(cè)、回歸預(yù)測(cè)、聚類分析、關(guān)聯(lián)分析、時(shí)間序列6大類20多種數(shù)據(jù)挖掘算法，及相關(guān)分析、譜系聚類等6種實(shí)用的統(tǒng)計(jì)分析方法（4）較高的預(yù)測(cè)準(zhǔn)確率——預(yù)測(cè)性算法預(yù)測(cè)準(zhǔn)確率大多高于傳統(tǒng)數(shù)據(jù)挖掘產(chǎn)品的同類算法（5）強(qiáng)大的數(shù)據(jù)承載能力——目前客戶已測(cè)試通過千萬級(jí)數(shù)據(jù)建模；通過充分利用客戶硬件資源，理論上數(shù)據(jù)承載能力無上限（6）任務(wù)式建?！С侄〞r(shí)調(diào)度策略，方便資源合理、有效利用（7）并行及分布式架構(gòu)——有效利用硬件資源，加快建模速度（8）靈活的打分機(jī)制——除了提供批量打分機(jī)制，還通過WebService實(shí)時(shí)打分，為用戶提供同使用業(yè)務(wù)系統(tǒng)一樣的用戶體驗(yàn)，降低數(shù)據(jù)挖掘技術(shù)使用壁壘（9）模型任務(wù)可視化監(jiān)管——方便管理員合理分配各計(jì)算節(jié)點(diǎn)資源，調(diào)整任務(wù)執(zhí)行順序三、優(yōu)勢(shì)：為解決傳統(tǒng)數(shù)據(jù)挖掘產(chǎn)品面臨的問題，GDM除了吸收傳統(tǒng)數(shù)據(jù)挖掘產(chǎn)品的優(yōu)勢(shì)之外，采用了如下策略對(duì)產(chǎn)品進(jìn)行設(shè)計(jì)，以彌補(bǔ)傳統(tǒng)產(chǎn)品的缺陷： （1）易用性 （2）閉環(huán)分析流程 （3）數(shù)據(jù)承載能力 （4）執(zhí)行效率 （5）數(shù)據(jù)安全 （6）快速發(fā)布四、案例：電力負(fù)荷預(yù)測(cè)案例：歐洲電力負(fù)荷大賽為了考察系統(tǒng)對(duì)電力負(fù)荷預(yù)測(cè)的精度，我們采用了2001年歐洲電力負(fù)荷大賽的數(shù)據(jù)。2001年歐洲電力負(fù)荷大賽是由EUNITE（EUropean Network on Intelligent TEchnologies for Smart Adaptive Systems）倡導(dǎo)的，目的是促進(jìn)人工智能和數(shù)據(jù)挖掘技術(shù)在各行業(yè)的應(yīng)用。其提供的比賽用數(shù)據(jù)為東捷克斯洛伐克電信公司1997年1月至1998年12月每天的最大電力負(fù)荷，輔助數(shù)據(jù)為同期的天氣數(shù)據(jù)和節(jié)假日數(shù)據(jù)。比賽用負(fù)荷數(shù)據(jù)比賽規(guī)則：給定的歷史數(shù)據(jù)對(duì)1999年1月每天最大電力負(fù)荷進(jìn)行預(yù)測(cè)，預(yù)測(cè)誤差越小越好。評(píng)估標(biāo)準(zhǔn)：（1）主要指標(biāo)：MAPE（Mean Absolute Percentage Error，平均絕對(duì)誤差率）； （2）次要標(biāo)準(zhǔn)：Max Error，時(shí)間序列預(yù)測(cè)中的最大預(yù)測(cè)誤差，單位MW。參賽隊(duì)伍：來自世界各地21個(gè)國家和地區(qū)的56支隊(duì)伍參加了比賽。冠軍：臺(tái)灣國立大學(xué)的ChihJen LIN，%。Max Error最小值大于30MW。具體比賽結(jié)果利用博通數(shù)據(jù)挖掘分析系統(tǒng)（GDM）的時(shí)間序列方法得到的預(yù)測(cè)模型的對(duì)訓(xùn)練數(shù)據(jù)（1997年1月至1998年12月）的預(yù)測(cè)結(jié)果如下圖所示。%。均遠(yuǎn)小于冠軍隊(duì)伍的結(jié)果。圖中紅色線條表示真實(shí)負(fù)荷，藍(lán)色線條表示預(yù)測(cè)結(jié)果，綠色線條表示殘差（真實(shí)負(fù)荷與預(yù)測(cè)負(fù)荷之差）。顯然，建立的模型對(duì)原始數(shù)據(jù)擬合得非常好。GDM預(yù)測(cè)結(jié)果
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1