产品中心

Product Center

神通K-Miner数据挖掘分析系统


一、产品简介

神通K-Miner能提供种类丰富、性能卓越的算法集,对蕴含在企业运营数据中的各类规律、模式、关系或趋势进行深度探索和挖掘,抽象出对应的数学模型,并通过模型可视化、模型发布服务、模型预警等功能支撑用户快速、有效的理解和运用模型来进行经营策略的制定或调整。 K-Miner在数据挖掘标准CRISP-DM的基础上进行扩展和增强,向用户提供一套了关注模型生命周期管理、行之有效的数据挖掘实施项目方法论。 



二、产品功能

1) 数据预处理  

通过提供数据预处理功能来支撑数据挖掘前的数据准备活动,包括了抽样、装箱、过滤等在内的17种数据预处理方法,以及这些方法的灵活组合,让即使不熟悉SQL的用户也能够便捷地对数据进行规范化和质量提升,以达到数据挖掘的要求。

 

数据预处理节点 

2) 数据挖掘

 实现了大多数主流的数据挖掘功能,包括属性选择、分类预测、回归预测、聚类分析、关联分析、时间序列分析等6大类。 为适应不同业务数据的特点,对同一个数据挖掘功能,K-Miner通过多种算法进行实现,例如“分类预测”有决策树、分类回归树、支撑向量机分类、神经网络分类、贝叶斯网络、朴素贝叶斯、逻辑回归、分类组合模型等算法可供用户选用。K-Miner共计包含了27个数据挖掘算法。

 

K-Miner的数据挖掘算法列表

 

3) 统计分析

      提供了包括描述性统计、数据探索、异常检测、层次聚类、方差分析等5大类13种实用的方法,方便分析人员对数据进行统计和分析。

 

 K-Miner的统计分析算法列表

 

4) 模型可视化

提供了饼图、散点图、折线图、面积图、柱状图、雷达图、线箱图、分布图、多折线图、帕累托图等10类可视化手段,利于用户对数据和模型的观察和理解。

5) 模型发布和应用

      支撑将挖掘出的模型以服务的方式对外进行发布,以便决策者或者第三方系统能够在线获取模型,并基于模型进行企业经营行为的决策或计算。

6) 模型监控和预警

       为了确保模型的时效性和准确性,K-Miner提供较为完善的模型监控预警和自动更新机制。用户可以自定义模型失效的判定规则,K-Miner能对模型失效的情况进行邮件通知,并自动重新计算模型,并按用户定制的策略进行模型的更新。