MOLEGRO-Datenmodeller. MOLEGRO-Datenmodeller - eine plattformübergreifende Anwendung für Data Mining, Datenmodellierung und Datenvisualisierung
Jetzt downloaden

MOLEGRO-Datenmodeller. Ranking & Zusammenfassung

MOLEGRO-Datenmodeller. Stichworte

Datenvisualisierung Visualisierer Visualisierung Modeller Datenmodeller Datenmodellierung.

MOLEGRO-Datenmodeller. Beschreibung

MOLEGRO-Datenmodeller - eine plattformübergreifende Anwendung für Data Mining, Datenmodellierung und Datenvisualisierung Der MOGRO-Datenmodell ist eine plattformübergreifende Anwendung für Data Mining, Datenmodellierung und Datenvisualisierung.Die Tabellenkalkulationsprozess-Benutzeroberfläche macht den MOLEGRO-Datenmodell eine einfache und erschwingliche Alternative zu komplexen Workflow-basierten Lösungen oder kommandorientierten statistischen Produkten. Hier sind einige wichtige Funktionen von "MOGRO-Datenmodell": RegressionMolenregro-Datenmodeller bietet verschiedene Arten von Regressionsmethoden: · Mehrere lineare Regressionsmodelle einfache lineare Beziehungen zwischen Daten und ist schnell und effizient. · Teilweise kleinste Quadrate reduziert die Dimensionalität des Datensatzes bevor Sie ein Modell erstellen. Geeignet für Datensätze mit vielen unabhängigen Variablen. · Neuronale Netze können hoch nichtlineare Beziehungen modellieren. · Support-Vektor-Maschinen können auch komplexe Beziehungen modellieren und neigen dazu, weniger anfällig für Überlieferungen zu sein als neuronale Netzwerke. · Merkmalsauswahl und Cross-ValidationFeature-Auswahl ist einfach auf dem Regressionsassistenten einzurichten: Es können verschiedene Schemata ausgewählt werden (Vorwärts-, Rückwärts- und Hill-Klettererauswahl) und mit unterschiedlichen Modellauswahlkriterien (Bayes-Informationskriterium oder kreuzreiche Validierte R ^ 2). Bei der Durchsuchung der Deskriptoren können verschiedene Deskriptor-Rankings eingesetzt werden.Cross-Validation ist ebenso einfach. Sie können mithilfe einer angegebenen Anzahl von zufälligen Falten oder durch manuelle Erstellen von Falten mithilfe einer angegebenen Anzahl von One-Out überprüft werden. · VisualisierungDie unterschiedliche Visualisierungstypen sind sehr interaktiv. Die Auswahl in der Tabelle sind direkt in den Plots und umgekehrt dargestellt. Es ist auch möglich, verschiedene benutzerdefinierte Farbschemata anzuwenden und den Jitter anzuwenden (künstliche Geräusche an die Datenplots hinzufügen). · CLUSTERINGMOLEGRO Data Modeller bietet zwei Arten von Clustering: K-Bedeutungs-Clustering (das sehr effizient ist) und ein dichtbasiertes Clustering-Schema (das komplexere Clusterformen erfassen kann). · Hauptkomponentenanalyse (PCA). Principal Component-Analyse ist ein Verfahren zum Reduzieren der Dimensionalität eines Datensatzes. Ein neuer Satz von Hauptkomponenten wird mit linearen Kombinationen der ursprünglichen Deskriptoren erstellt. Die Anzahl der Deskriptoren wird dann reduziert, indem die Deskriptoren nur die meisten der Varianz beitragen. · Algebraische Daten-Transformationen · Ausreißer-DetektionMolenro-Datenmodeller bietet zwei Methoden zum Fokalisieren von abnormalen Daten: · Ein Viertelbasis, das überprüft, wie weit einen Datenpunkt aus dem 25. und 75. Perzenteil ist. Diese Methode untersucht jeden Deskriptor einzeln. · Eine dichtbasierte Methode, die für jeden Datenpunkt eine lokale Dichte berechnet. Datenpunkte mit geringer Dichte sind weit weg von anderen Datenpunkten entfernt und könnten Ausreißer sein. · Advanced Subset CreationMoleGro Data Modus bietet eine gitterbasierte Methode zum Erstellen einer diversen Untermenge eines Datensatzes. Es ist möglich, Gitter in einer beliebigen Anzahl von Abmessungen zu erstellen, und wenn Sie mit 2D- und 3D-Gittern arbeiten, können sie direkt in den Datenplottern visualisiert werden. Andere Merkmale · Scrambling (Mischen) von Säulen und "Ersetzen mit zufälligen Werten" zum Durchführen von Y-Randomization. · Datenvorbereitung: Skalierung, Normalisierung, Reparatur von fehlenden Werten. · Datenfärbung. · Korrelationsmatrix. · Benutzerdefinierte Datenansichten. · Ähnlichkeit Browser Lizenzschlüssel. Was ist neu in dieser Version: · Regressionsmodellparameter-Tuning mit der gridbasierten Suche · High-dimensionale Datenvisualisierung mit neuem Frühling-Mass-Kartenalgorithmus · Verbesserte Merkmalsauswahl-Algorithmen und hinzugefügte Einstellungen für die Anpassung · Deskriptor-Beschneidung, MAP-Visualisierung, neue Farbschemata und Zoom-Optionen wurden zum Dialogfeld Korrelationsmatrix hinzugefügt · Fügte prozentuale Split-Evaluierungsoption für den Regressions-Assistenten hinzu · Neue Option zum Erstellen von Teilsets von z. Greifergebnisse · Nebenstellen von Benutzeroberflächenverbesserungen und Fehlerbehebungen

MOLEGRO-Datenmodeller. Zugehörige Software