基于跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程CRISP-DM，實現(xiàn)數(shù)據(jù)的深度挖掘分析，幫助教師與學(xué)生發(fā)現(xiàn)數(shù)據(jù)中隱藏的關(guān)系及規(guī)律，為教師科研提供數(shù)據(jù)分析探索、模型構(gòu)建、成果應(yīng)用的一站式數(shù)據(jù)挖掘工具，高效開展行業(yè)應(yīng)用研究。平臺支持用戶通過簡單拖拽、低代碼的方式快速完成挖掘分析流程構(gòu)建。同時支持模型自動化構(gòu)建、模型智能評估，推薦最優(yōu)模型與算法。

1、極簡的建模過程

基于拖拽式節(jié)點操作、連線式流程串接、指導(dǎo)式參數(shù)配置，用戶可以通過簡單拖拽、配置的方式快速完成挖掘分析流程構(gòu)建。平臺內(nèi)置數(shù)據(jù)處理、數(shù)據(jù)融合、特征工程、擴(kuò)展編程等功能，讓用戶能夠靈活運用多種處理手段對數(shù)據(jù)進(jìn)行預(yù)處理，提升建模數(shù)據(jù)質(zhì)量，同時豐富的算法庫為用戶建模提供了更多選擇，自動學(xué)習(xí)功能通過自動推薦最優(yōu)的算法和參數(shù)配置，結(jié)合“循環(huán)行”功能實現(xiàn)批量建模，幫助用戶高效建模，快速挖掘數(shù)據(jù)隱藏價值。

2、豐富的分析算法

內(nèi)置150多個分析算子，包含30余種數(shù)據(jù)預(yù)處理方法，5種數(shù)據(jù)融合方法、11種常用特征工程，實現(xiàn)數(shù)據(jù)融合處理與特征構(gòu)建；包含聚類、分類、回歸、關(guān)聯(lián)規(guī)則、時間序列、綜合評價、協(xié)同過濾等7類N種機(jī)器學(xué)習(xí)算法，支持深度學(xué)習(xí)、集成學(xué)習(xí)與自然語言處理等人工智能分析方法，滿足各類業(yè)務(wù)科研場景需求。

3、靈活的擴(kuò)展能力

支持用戶編制SQL\R\Python\Java\Scala\Matlab\PySpark腳本實現(xiàn)個性化的算法腳本。自定義算法功能允許用戶通過R\Python\Java\Scala基于平臺規(guī)范封裝自主算法并發(fā)布形成平臺節(jié)點，方便用戶靈活擴(kuò)展平臺算法節(jié)點功能，增強(qiáng)平臺的業(yè)務(wù)適應(yīng)能力，充分滿足不同領(lǐng)域科研的個性化需求。

4、全面的分析洞察

通過豐富詳實的洞察內(nèi)容，幫助用戶全方位觀察建模過程任意流程節(jié)點的執(zhí)行結(jié)果，為用戶開展建模流程的改進(jìn)優(yōu)化提供依據(jù)，從而快速得到最優(yōu)模型，發(fā)現(xiàn)數(shù)據(jù)中隱含的業(yè)務(wù)價值。建模分析報告支持在線查看，并且支持下載可編輯Word版本，支持科研報告及相關(guān)成果發(fā)布應(yīng)用。

5、全棧科研成果管理與應(yīng)用能力

分析成果的快速工程化應(yīng)用，支持模型以調(diào)度任務(wù)、異步服務(wù)、同步服務(wù)、流服務(wù)及本地化服務(wù)包等形式應(yīng)用，滿足工程化的不同訴求。提供統(tǒng)一的成果分類統(tǒng)計及統(tǒng)一管理監(jiān)測，幫助用戶高效便捷地管理成果、利用成果及監(jiān)測成果。

6、跨平臺模型遷移及融合

支持PMML文件的導(dǎo)入和導(dǎo)出，可以實現(xiàn)跨平臺模型之間的遷移和融合，利于用戶進(jìn)行歷史模型的遷移，實現(xiàn)用戶在不同平臺的模型成果快速共享，提升各類科研成果的復(fù)用性。