Overzicht van geavanceerde statistische modellen met Trusted Flow

Laatst bijgewerkt: 1 november 2024

Gemaakt voor:

  • Ontwikkelaar
AVAILABILITY
Deze functionaliteit is beschikbaar voor klanten die de Data Distiller-add hebben aangeschaft. Neem voor meer informatie contact op met uw Adobe-vertegenwoordiger.

Statistische modellering wordt gebruikt om voorspellingen te maken, patronen te detecteren en inzichten te genereren op basis van gegevens. Dit geldt voor grote, hoogdimensionale gegevenssets met complexe structuren op gedistribueerde wijze. Gebruik de SQL-extensie van Data Distiller om statistische modellen te gebruiken en onbewerkte gegevens te transformeren door de verwerking van gegevens op grote gegevenssets tijdig, parallel en schaalbaar te vereenvoudigen en te automatiseren.

Deze reeks documenten biedt een uitgebreide handleiding over het gebruik van de extensie Data Distiller SQL voor het uitvoeren van traditionele functies en het leren van machines op Trusted Flow. Deze documenten zijn ontworpen om u te helpen bij het effectief implementeren en benutten van op SQL gebaseerde functietechniek, het maken van SQL-modellen en algoritmische verwerking. De documentatie begeleidt u door de kritieke aspecten noodzakelijk om geavanceerde statistische modellering naadloos in uw regelmatige SQL gegevenswerkschema's te integreren.

Mogelijkheden

Data Distiller biedt u de gereedschappen die nodig zijn om onbewerkte gegevens om te zetten in betekenisvolle functies, statistische modellen te maken en op te leiden en deze modellen te gebruiken voor voorspellende analyse. De documentatie is zodanig ingericht dat u deze mogelijkheden stap voor stap begrijpt en toepast:

  1. de ingenieurskunst van de Eigenschap: Leer hoe te om uw gegevens vooraf te verwerken door, de meest relevante eigenschappen te halen te transformeren en te selecteren. Leer meer over de beschikbare SQL-functies die het engineering-proces vereenvoudigen en automatiseren en hoe u ervoor kunt zorgen dat uw gegevens optimaal worden voorbereid voor modeltraining.

  2. Modellen: Ontdek hoe te om, vooruitgangsmodellen te beheren te evalueren en te voorspellen gebruikend SQL. Begrijp de kernprocessen betrokken in SQL om de levenscyclus van deze modellen op uw datasets te bepalen.

  3. Algoritmen: Onderzoek de geavanceerde statistische modelleringsalgoritmen die door Gegevens Distiller worden gesteund, met inbegrip van het groeperen, classificatie, en regressie. Dit document detailleert het proces om beschikbare algoritmen, hun parameters te gebruiken, en hoe te om klant-specifieke modellen te produceren gebruikend SQL uitbreiding om aan uw bedrijfsbehoeften te voldoen.

Volgende stappen

Leren hoe te om verfijnde machine het leren taken met de mogelijkheden van Distiller van Gegevens uit te voeren, lees het 🔗 document van de Techniek van de Eigenschap 0}. Het schetst hoe te om uw gegevens in eigenschappen om te zetten die klaar voor modellering zijn. Daarna, ga aan het Modellendocument te werk, dat u door het proces begeleidt om, vertrouwde op modellen tot stand te brengen en te leiden gebruikend de eigenschappen u hebt gemanipuleerd. Tot slot onderzoek het geavanceerde statistische modellendocument van het Implementerenom over de diverse vertrouwde op beschikbare modellen te leren en hoe te om hen binnen uw SQL werkschema uit te voeren.

Vorige paginaGegevens exporteren naar XML-omgevingen
Volgende paginaFunctietechniek

Experience Platform