Analytic Solver Data Mining

Analytic Solver Data Mining - 为您提供易于使用，全面的数据挖掘，文本挖掘和Excel中的预测分析。您可以从SQL数据库，Power Pivot和Apache Spark中抽取数据，以视觉方式探索数据，清理和转换数据，创建，评估和应用全系列的时间序列预测和数据挖掘模型 - 从多元回归和逻辑回归到分类和回归树，神经网络和关联规则。它的速度让你惊讶！

功能：

•Excel中的预测，数据挖掘，文本挖掘

•发现新的收入，预测流失或欺诈

•探索，分区，转换数据，提取特征

•使用回归，树，神经网络，集合，PMML

•包括桌面Microsoft Excel和cloud AnalyticSolver.com版本

 

特征：

 

高级数据挖掘和文本挖掘，Excel的易用性和竞争性定价

Analytic Solver Data Mining - “XLMiner的大哥” - 包括您需要将预测分析应用于您的数据

 

使用许多来源的数据

从电子表格、文本文件和SQL数据库中抽样调查数据，包括能处理1亿行或更多的微软PowerPivot内存数据库。

可视化您的数据

把简单的条形图，直线图和直方图图形的可视化辅助工具使用于多个链接图表，瞬轴变化，颜色，面板，缩放，刷涂等。

分析见解文字

自动将自由格式的文本转换为结构化数据，识别最常用的术语，并用潜在语义索引提取关键概念[XLMiner Platform]。

清理和转换数据

使用包括包括数据分类和处理缺失值的一套全面数据处理工具来清理和转换数据，。

识别关键功能

使用特征选择自动识别具有最大解释力的列或变量，用于您所需的分类或预测任务。

减少和集群数据

使用主体组件来减少列，并使用k-means聚类或层次聚类来按行分组数据。

培训分区

您可以轻松地将数据分成训练，验证和测试数据集，大小没有任何限制的数据集- 即使在百忙中你也能构建预测模型。

预测时间序列

应用最流行的指数平滑和Box-Jenkins（ARIMA）方法与季节性来预测历史数据的时间序列，如销售和库存。

预测方法

使用强大的多元线性回归与可变选择，以及数据挖掘方法，如K-近邻法，以及回归树和神经网络的集合。

分类方法

使用经典的判别分析和逻辑回归，以及数据挖掘方法，如k最近邻，naive Bayes，以及分类树和神经网络的集合。

亲和力分析

使用具有关联规则的市场篮子分析和推荐系统。

易于使用的界面

使用功能区界面，使用向导样式对话框来指导您完成模型和选项选择。

示例数据集

超过30个示例数据集为您提供了一系列预测，分类，时间序列预测和亲和力分析问题的练习。

帮助和支持

访问广泛的在线帮助，或查看我们的400多页XLMiner用户指南，以获得您的问题的答案。

轻松升级

升级到分析解算平台，不计成本地将数据挖掘和带有模拟/风险分析和优化的预测最强大地组合起来。