Двухуровневое моделирование
• Последовательное и параллельное моделирование для классовых и интервальных целевых признаков.
• Выбор модели в виде дерева решений, регрессии или нейронной сети на каждом уровне.
• Управление применением прогноза для классов к прогнозу интервалов.
• Точная оценка экономической выгодности клиентов.
Методы вывода путем сопоставления
• Метод отбора ближайших k-соседей для категоризации или прогноза наблюдений.
• Запатентованные методы создания дерева и поиска с уменьшенной размерностью.
Множества моделей
• Объединение прогнозов моделей для создания потенциально более сильного решения.
• Среди методов: усреднение, мажоритарная выборка, выбор максимального значения.
Сравнение моделей
• Сравнение нескольких моделей в рамках единой инструментальной оболочки для всех источников данных.
• Автоматический выбор лучшей модели на основе заданного пользователем критерия.
• Расширенная статистика соответствия и диагностики.
• Ступенчатые диаграммы.
• Кривые ROC.
• Диаграммы прибылей и убытков с возможностью выбора решения.
• Матрица неточностей (классификации).
• График распределения вероятностных оценок классовых целевых признаков.
• Ранжирование и распределение оценок интервальных целевых признаков.
Количественная оценка
• Интерактивная количественная оценка узла в рамках графического интерфейса.
• Автоматическая генерация оценочного кода на языках SAS, C, Java и PMML.
• Моделирование сбора, кластеризации, преобразования и вычисления недостающих значений для оценочных кодов на языках SAS, C и Java.
• Развертывание моделей в нескольких средах.
Инструментальные средства
• Узел удаления переменных.
• Узел слияния данных.
• Узел метаданных, позволяющий изменять столбцы метаданных, например роль, уровень измерений и порядок.
