In-Database分析でパフォーマンスを最大化

データエンジニアとデータサイエンティストは、分析やマシンラーニング目的で使用する前の、ローデータのクリーニング、変換、整理を加速できます。記述統計、仮説検定、外れ値処理、統計的検定など頻繁に利用される機能も提供します。

データの分析、視覚化により、その基礎となるパターン、関係、分布を理解できます。この重要なステップによって、インサイトが得られ、潜在的なデータの問題を特定できます。データサイエンスチームとビジネスアナリストは、パス分析、4D分析、時間的分析/時系列分析などの多種類の機能を使用して、データの理解、傾向の特定、変数間の関係に関する仮説設定ができます。

ローデータを選択して、マシンラーニングモデルのトレーニングに使用できるフィーチャに変換します。これらの機能によって、モデルによる正確な予測や分類ができます。効果的なフィーチャエンジニアリングにより、マシンラーニングモデルの精度、効率性、解釈可能性が向上します。

多種類のモデルを活用して、正確な予測や分類ができます。ClearScape Analytics は、新しいデータに適切に一般化して正確な予測を行うことができるモデルの構築に役立つ、堅牢なアルゴリズム群を提供します。アルゴリズムには、線形回帰、ロジスティック回帰、デシジョンフォレスト、Arima、XGBoost、SVMなどがあります。

テストセットや検証セットでのマシンラーニングモデルのパフォーマンスを評価できます。この機能によって、データサイエンスチームは、さまざまなモデルのパフォーマンスの比較により、モデルによる新たなデータに対する汎化の程度を判断できます。モデルのデータをビジネスに活用させることで、評価と予測ができます。