-
产品推荐
-
客户分群
-
异常检测
-
预测性维护
产品推荐
根据客户本身属性和行为特征等（年龄、性别、工作类型、婚姻状况、文化程度、个人贷款、收入情况），预测客户是否愿意办理相关业务，为客户提供个性化的业务推荐
相关内容
推荐算法
随机决策森林分类、梯度提升树分类
场景案例
银行理财推荐 车辆定价预测
客户分群
通过数据挖掘来给客户做科学的分群，依据不同分群的特点制定相应的策略，从而为客户提供适配的产品、制定针对性的营销活动和管理用户，最终提升产品的客户满意度，实现商业价值
相关内容
推荐算法
K-均值
场景案例
零售商客户分群
异常检测
在网络设备运行中，用自动化的网络检测系统，根据流量情况实时分析，预测可疑流量或可能发生故障的设备
相关内容
推荐算法
基于PCA的异常检测、孤立森林
场景案例
网络入侵检测
预测性维护
为设备创建预测模型并提供预见性维护建议和计划，减少故障时间和发生几率，从而提高效率和降低成本
相关内容
推荐算法
逻辑回归、梯度提升树回归
场景案例
汽车制造与维护
功能描述
-
拖拽式工作流
拖拽式建模方式，提供丰富的算法节点
-
丰富的可视化
数据可视化和模型可视化功能，数据、机器学习模型即时可视
-
交互式Notebook
交互式建模方式，兼容第三方开发包，提供数据可视化能力
可视化拖拽业务流构建
简单直观的建模流程设计，零编码即可将业务分析、建模流程设计出来
快速得到最终结果
配合可视化功能快速迭代收敛得到最终结果，并可将模型部署到离线生产环境中
数据可视化
内置丰富的图表类型，数据探索分析所见即所得，提升数据探索效率
模型可视化
训练的模型、评估结果可视化，提升模型的可解释性
交互式Notebook框架
数据分析的“浏览器”，统一入口，与底层大数据平台计算框架可解耦，兼容开源Python分析库
丰富的数据分析能力
涵盖数据探索、特征工程、数据建模、可视化等数据分析过程
-
模型全周期管理
支持模型构建、预测、部署、调度等全周期管理
-
预置机器学习算法
从数据导入和处理，到模型训练和评估、导出，覆盖数据挖掘端到端业务
可视化模型生命周期管理
同一个业务的模型按版本进行状态管理，可以在管理界面对模型服务的生命周期进行可视化管理
支持业界模型标准
支持业界标准的模型PMML的导入导出，与其他机器学习软件进行无缝集成
分布式机器学习算法库
大规模分布式计算提高计算效率，让模型在大数据集上进行训练从而得到更精确的结果
自动化数据探查及参数调优
对数据进行数据探查得到数据类型及各种统计值，对逻辑回归和线性回归可自动化参数调优
