1.Salford Predictive Modeler (SPM®)是功能强大的机器 学习软件套件,用于开发预测性、描述性和分析性模型。
SPM的各类工具易于使用,有能力处理海量数据,快速开发模型,并能完善、可靠且连续一致地生成精准模型。通过将 SPM的四个主要建模引擎(CART®、TreeNet®、MARS®和 Random Forests®)添加到当前的统计软件包中,您的组织将能处理更复杂的数据方案,例如,非线性关系、较大的数据集、变量之间的复杂交互作用、缺失数据、较端异常值等。
2.建模新手和建模*均可以使用这些工具发现预测变量与非线性关系之间的复杂交互作用,从而开发世界*的预测性
SPM的核心功能包括分类、回归、生存分析、缺失值分析、数据装箱以及聚类/分段,能够满足各种各样的机器学习和数据科学需求。某些****的大公司也在使用 SPM准确而可靠的模型。
3. *编写代码 -尽可能缩短实现较佳预测性模型 所需的时间
用户友好的建模引擎,适用于所有级别的分析人员
内置的自动化功能,可实现模型的可缩放性并减少错误
对较重要的见解进行清晰的可视化
高度准确和可靠的预测,可用于决策制定
4.创建模型
发现预测变量与复杂的非线性关系之间的复杂交互作用与,从而构建更准确的模型。 SPM有助于您从大量候选因子中选择较重要的因子。
对于建模新手,SPM不需要进行编码。默认设置会提供**的基准模型,且*进行耗时的设置。
缺失值:自动处理缺失值而不删除行或列
不平衡的数据:自动增加稀有类的权重,从而确保正确地检测稀有事件