可视化工作流环境
使用拖放交互块构建工作流,以提供用于检索的底层数据工程设施的完美组合, 混合, 为分析准备数据, 以及机器学习功能,让你构建, 探索, 并验证可重复的预测模型. 用SAS、SQL、Python和R语言编写的可编程块增强工作流.
健壮的编码环境
使用现代集成开发环境(IDE)来创建, 维护, 运行程序, 探索数据, 结果, 和日志. Analytics Workbench的编码环境侧重于SAS语言编程,但也允许用户合并SQL, Python, 以及SAS语言程序中的R代码, 可以很容易地在Python之间交换数据, R, SQL, SAS语言模块.
简单数据发现功能
Analytics Workbench提供了一系列强大的功能,使用户能够完全理解他们的源数据并发现新的见解, 包括分析, 自动质量检查, 验证, 自动变量报告.
无代码机器学习模型开发
Analytics Workbench为监督学习和无监督学习提供机器学习支持, 包括决策树, 聚类, 回归分析与神经网络. 探索, 构建, 并使用工作流块测试机器学习模型,并自动生成用于生产的无错误代码.
快速比较模型性能
针对相同的测试数据构建和验证不同类型的模型,然后使用Analytics Workbench的无代码模型比较工具,通过包含接收者操作特征(ROC)的比较图表确定最适合您的模型。, Kolmogorov-Smirnov (KS), 累计获得, 和提升.
易于构建的记分卡
使用我们简单的可视化开发工具来构建预测性, 行为, 应用记分卡来帮助变量选择, 培训, 评价, 模型验证. 自动提取无错误并准备部署记分卡代码以用于生产.