CART® 資料挖掘分析軟體
- CART® 資料挖掘分析軟體
-
類別研究分析軟體
-
介紹CART® 是Salford Systems的旗艦數據挖掘軟件，該軟件是一款功能強大、易操作的決策樹，能自動篩選複雜的數據。從技術上講，CART建模引擎基於1984年由斯坦福大學和加州大學伯克利分校的四位世界知名統計學家引入的具有里程碑意義的數學理論。CART建模引擎是SPM的分類和回歸樹實現，是唯一體現原始專有代碼的決策樹軟件。
CART® Data Mining Analysis Software
data
Ultimate Classification Tree:
Salford Predictive Modeler's CART® modeling engine is the ultimate classification tree, revolutionizing the field of advanced analytics and ushering in the current era of data science.
Proprietary code:
Technically, the CART modeling engine is based on a landmark mathematical theory introduced in 1984 by four world-renowned statisticians from Stanford University and the University of California, Berkeley, The CART modeling engine is a classification and regression tree implementation of SPM and is the only decision tree software that embodies the original proprietary code.
Fast and versatile:
The CART modeling engine supports high-speed deployments, allowing Salford Predictive Modeler's models to be predicted and scored in real time at scale. Over the years, the CART modeling engine has become one of the most popular and easy-to-use predictive modeling algorithms available to analysts, and it is also used as the basis for many modern data mining methods based on bagging and augmentation.
系統需求
最少40 MB
RAM:
最少512 MB
CART® 資料挖掘分析軟體
終極分類樹：
Salford Predictive Modeler的CART®建模引擎是最終的分類樹，它徹底改變了高級分析領域，並開創了當前數據科學的時代。CART是現代數據挖掘中最重要的工具之一。
專有代碼：
從技術上講，CART建模引擎基於1984年由斯坦福大學和加州大學伯克利分校的四位世界知名統計學家引入的具有里程碑意義的數學理論。CART建模引擎是SPM的分類和回歸樹實現，是唯一體現原始專有代碼的決策樹軟件。
速度快，用途廣泛：
CART建模引擎的專利擴展專門用於增強市場研究和網絡分析的結果。CART建模引擎支持高速部署，允許Salford Predictive Modeler的模型大規模實時預測和評分。多年來，CART建模引擎已成為分析師可用的最流行且易於使用的預測建模算法之一，它也被用作許多基於裝袋和增強的現代數據挖掘方法的基礎。
Viscovery SOMine SOM 數據挖掘軟體
Viscovery®SOMine®是一種基於自組織映射（SOM）和探索性數據挖掘和預測建模多元統計一個面向工作流程的軟件套件。該系統擅長直觀的用戶指導，成熟的實施以及對應用程序的一致關注。得益於Viscovery的可視化數據表現的無與倫比的緊湊性和優雅。
MODDE 13 實驗計劃與分析軟體
MODDE引導您完成您的試驗設計（DOE）設計的設置和支持你在隨後的數據分析。對於醫藥和其他關鍵應用領域，因為任何人在產品開發都知道，把事情從一開始就是一個挑戰。特別是有這麼多的參數來考慮。對於像醫藥產業領域的成果是至關重要的，競爭是激烈的，你需要的工具，你可以肯定將讓你在市場上的時間。
CAFE 實驗計劃法軟體
實驗計劃法軟體CAFE (Computer-Aided Formula Environment)為一套實驗設計軟體，可靠的模型驗證方式 ：傳統的DOE或田口方法不區分樣本內、樣本外實驗數據之作法，其誤差被嚴重低估。CAFE採用交叉驗證法，可以在不需要增加實驗數目下，達到區分樣本內、樣本外的效果，使誤差能被準確估計。