Modellkomprimierung und Regelextraktion: Einheitliches Reporting von verschiedenen Messgrößen zur Performance
Lineare Methoden für Regression, aktuelle Fortschritte und Erkenntnisse: OLS-Regression
Regularisierte Regression, einschließlich: LAR/LASSO-Regression, Ridge Regression, Elastic Net Regression
Lineare Methoden für Klassifikation, aktuelle Fortschritte und Erkenntisse: LOGIT • LAR/LASSO • Ridge • Elastic Net/ Generalized Path Seeker
Entdecken von Ausreißern: Berichte, Tabellen und Grafiken der GUI
Zeitreihenmodellierung
Datenvorbereitung: Battery Bin für die automatische Einteilung einer vom Anwender ausgewählten Reihe von Variablen mit zahlreichen Optionen
Methoden zur Modellvereinfachung: ISLE • RuleLearner
Ensemble Learning: Battery Bootstrap • Battery Model
Unüberwachtes Lernen: Breiman's Column Scrambler
Paralleles Rechnen: Automatische Unterstützung von mehreren Cores durch Multithreading
Verarbeitung von großen Datensätzen: 64-Bit-Unterstützung • Speicherkapazität nur durch die eigene Hardware begrenzt
Anbindung an Minitab: Bereit für die Zusammenarbeit mit Minitab
Weitere Verbesserungen: Auf Grundlage von Anwenderfeedback und neuen Erkenntnissen über unsere Hauptprodukte werden unsere Kernwerkzeuge kontinuierlich durch Ergänzungen und Änderungen erweitert.
Weitere Verbesserungen
CART-Klassifikation und Regressionsbäume
Benutzerdefinierte lineare Kombinationslisten zum Splitten; Nebenbedingungen für Bäume; Automatische Ergänzung von Indikatoren für fehlende Werte; Erweitertes GUI-Reporting; Anwender gesteuerte Kreuzvalidierung; Statistiken und Prognose der Out-of-Bag-Performance; Profiling von Endknoten basierend auf von Anwendern bereitgestellten Variablen; Knotenübergreifender Vergleich der Konsistenz von Trainings- vs. Testdaten; Wichtigkeit der Variablen im Stil von Random Forests
MARS (Automatisierte nicht lineare Regression)
Aktualisierte GUI; Modellperformance basierend auf unabhängigem Testsample oder Kreuzvalidierung; Unterstützung für Zeitreihenmodelle
TreeNet (Gradient Boosting, Boosted Trees)
TreeNet mit einem Baum (Alternative zu CART); Random Forests via TreeNet (Regressionsalternative zu Random Forests); Interaction Control Language (ICL); Reporting der Wechselwirkungsstärke; erweiterte partielle Abhängigkeitsdiagramme; randomisierte Splits im Stil von Random Forests
RandomForests (Bagging Trees)
Regression mit Random Forests; Speicherung von Out-of-Bag-Werten; Verbesserte Geschwindigkeit
Hochdimensionale multivariate Mustererkennung
Battery Target ist jetzt verfügbar zum Identifizieren von gegenseitigen Abhängigkeiten in den Daten
Automatisierung durch sogenannte Batteries
56 vordefinierte Szenarien basierend auf jahrelanger Highend-Beratung
Erkennung von Hotspots
Segmentextraktion (Battery Priors)
Erkennen der Wechselwirkungen (Interaction Detection)
Umgang mit fehlenden Werten und Imputation
Modellbewertung und -auswahl
Einheitliches Reporting von verschiedenen Messgrößen der Performance über unterschiedliche Modelle
