Глава 1     Глава 2     Глава 3   

Управление временными метриками при помощи описательных данных 2


Критерии расщепления: вероятностный критерий хи-квадрат, вероятностный F-критерий, критерий Джини, критерий энтропии, уменьшение дисперсии.  Автоматический вывод идентификаторов листьев дерева в качестве входных  значений для последующего моделирования.  Отображение правил на английском языке.  Вычисление значимости переменных для предварительного отбора.  Уникальное представление консолидированной диаграммы дерева.

Интерактивная работа с деревом на настольном ПК:

•              Интерактивное расширение и обрезание деревьев.

•              Задание специальных точек разбиения, включая двоичные или многовариантные разбиения.
•              Свыше 13 динамически связанных таблиц и графиков, позволяющих произвести более качественную оценку дерева.

•              Возможность распечатать диаграмму дерева на одном или нескольких листах.

В основе - новая быстрая процедура ARBORETUM.

Нейронные сети

Узел нейронной сети:

•              Гибкие архитектуры сетей с развитыми функциями комбинирования и активации.

•              10 методов обучения сети.

•              Предварительная оптимизация.

•              Автоматическая стандартизация входных параметров.

•              Поддержка направленных связей.

Узел самоорганизующейся нейронной сети:

•              Автоматизированное создание многоуровневых персептронов для поиска оптимальной конфигурации.

•              Выбор функций типа и активации из четырех различных типов архитектур.

•              Оценочный код PMML.

Узел нейронной сети анализа данных (DM Neural node):

•              Создание модели с уменьшением размерности и выбором функций.

•              Быстрое обучение сети.

•              Линейное и нелинейное оценивание.