Insights

O Insights é um software de mineração de dados paralelo de 64 bits que leva a mineração de dados convencional a um novo nível de sofisticação e aplicabilidade. Usuários em quase todos os campos podem empregar o software fácil de usar para analisar conjuntos de dados ruidosos e construir modelos poderosos, que podem ser usados ​​para obter novos insights sobre fenômenos complexos, prever comportamentos futuros, simular perguntas "e se", e identificar métodos de controle de processos. Tomando dados observacionais que descrevem um problema, sistema ou processo, o software constrói um modelo matemático de trabalho compatível com dados armazenados em uma variedade de formatos populares (por exemplo, Microsoft Excel), seus algoritmos de modelagem auto-organizados, alimentados por AI permitem usuários extraiam facilmente novos e úteis conhecimentos para apoiar a tomada de decisões. Seja aplicado à previsão de vendas, planejamento de recursos, problemas de engenharia, mudanças climáticas, questões relacionadas à saúde ou ciências da vida ou coleções de dados de mineração de agências governamentais, o Insights abre novas possibilidades para indivíduos, proprietários de pequenas empresas e cientistas que foram anteriormente disponível apenas para grandes entidades que podiam pagar aplicativos caros de mineração de dados.

O Insights é fornecido com documentação, literatura extra, dados de amostra e modelos como previsão e simulação do preço mundial do petróleo até 2025, temperaturas globais mensais, ozônio, concentração ou previsão da atividade solar até 2017, previsão de toxicidade reprodutiva de produtos químicos, valor da habitação ou previsão de atividade do sistema do computador, para ajudar você a começar a usar seus dados.

O que há de novo neste comunicado:

• Pequenas correções de bugs
• Lançamento de melhoria de desempenho e manutenção

O que há de novo na versão 6.1.2:

• Corrige alguns problemas no macOS 10.13 High Sierra
• Lançamento de melhoria de desempenho e manutenção

O que há de novo na versão 6.1:

• Modelos de sistema: equações de regressão auto-organizadas de todos os modelos de um sistema são adicionadas ao relatório de modelo
• Gráfico do modelo do sistema: A relevância de uma entrada do modelo é agora exibida quando selecionada
• Lançamento de melhoria de desempenho e manutenção

O que há de novo na versão 5.0:

• Opção de otimização de complexidade do modelo para obter os modelos mais compactos e mais parcimoniosos em resultado da auto-organização de modelo automatizado a partir de dados.
• Geração de uma equação explícita de modelo a partir de dados da forma y = f (x) para modelos lineares, multi-lineares e não-lineares, que representam novos conhecimentos extraídos e que ajudam significativamente na interpretação de modelos.
• Para modelos multi-lineares, o Insights agora garante que o modelo final obtido seja totalmente multi-linear, não apenas as funções de transferência de neurônios.
• Cálculo da importância das entradas do modelo para os modelos compostos e modelos individuais desenvolvidos com o Insights versão 5.
• Novos gráficos adicionados para modelos compostos e individuais desenvolvidos com o Insights versão 5:
• Importância das entradas e variáveis ​​do modelo para todos os modelos paramétricos;
• ROC e Curvas de Custo como ferramentas valiosas para modelos de classificação binária;
• Manutenção e otimização de desempenho.

O que há de novo na versão 4.0.1:

• Melhorou significativamente a velocidade de processamento com o novo banco de dados In-Memory; opção entre DB In-Memory rápido ou DB baseado em arquivo para grande quantidade de registros de dados.
• Novo modelo de exportação para Python e Objective-C. Integre código-fonte pronto para uso de seus modelos desenvolvidos em seus aplicativos da web ou outros projetos. Funciona em modelos individuais e conjuntos de modelos.
• A exibição da precisão do modelo de previsões em gráficos de modelo on-the-fly como uma medida imediata do desempenho do modelo em novos dados.
• Para modelos de classificação, exibição adicional dos principais parâmetros de discriminação no gráfico de dispersão para facilitar a avaliação do poder do modelo nos dados previstos.
• Novos e atualizados exemplos adicionados:
• Expressão gênica de 2000 genes (inputs) para modelagem de tecido tumoral como exemplo para modelagem de alta dimensionalidade subdeterminada;
• Detecção de intrusão de rede como um exemplo para o problema de detectar eventos raros;
• Modificação e análise da ionosfera de sinais de radar de alta potência pulsados ​​de um conjunto de antenas em fases;
• Detecção diária do nível de ozono.

• Manutenção geral e correção de bugs.
• A versão 4.0 é executada no Mac OS X 10.10 ou superior.

O que há de novo na versão 3.5.1:

• Manutenção e correção de bugs no OS X 10.11 El Capitan.
• Uma nova opção de modelagem que permite substituir o modelo atual pelo novo modelo foi adicionado. Isso reduz o tamanho da base de modelagem e a torna mais gerenciável.
• Um parâmetro adicional, a Área sob a Curva ROC, geralmente usada para classificar modelos de classificação, é agora calculado e reportado para todos os modelos de classificação.
• O número padrão de dados de treinamento e previsão para trabalhar, que é copiado para um modelo após a modelagem, pode ser definido agora manualmente no painel de preferências.
• A rotulagem de gráficos foi reprojetada.

O que há de novo na versão 3.5:

• Uma nova opção de modelagem que permite substituir o modelo atual pelo novo modelo foi adicionado. Isso reduz o tamanho da base de modelagem e a torna mais gerenciável.
• Um parâmetro adicional, a Área sob a Curva ROC, geralmente usada para classificar modelos de classificação, é agora calculado e reportado para todos os modelos de classificação.
• O número padrão de dados de treinamento e previsão para trabalhar, que é copiado para um modelo após a modelagem, pode ser definido agora manualmente no painel de preferências.
• A rotulagem de gráficos foi reprojetada.
• Manutenção e correção de bugs.

O que há de novo na versão 3.4.2:

• Lançamento de manutenção e estabilidade.
• Novo recurso para detecção automática, respectivamente, da especificação manual de estacionariedade de processos de tempo para Padrões Semelhantes.
• Melhoria da auto-otimização de compostos de Padrões Semelhantes.
• Opção para excluir todos os modelos em uma base de modelo.

O que há de novo na versão 3.4.1:

• Novo exemplo sobre o comportamento de voto no Congresso adicionado.
• Recurso para autodetecção, respectivamente manual especificação de estacionariedade de processos de tempo para Padrões Semelhantes adicionados.
• Melhoria da auto-otimização de compostos de Padrões Semelhantes.
• Opção para excluir todos os modelos em uma base de modelo adicionada.
• Lançamento de manutenção e estabilidade.

O que há de novo na versão 3.4:

• Recurso para autodetecção e especificação manual de estacionariedade de processos de tempo para Padrões Semelhantes adicionados.
• Melhoria da auto-otimização de compostos de Padrões Semelhantes.
• Opção para excluir todos os modelos em uma base de modelo adicionada.
• Lançamento de manutenção e estabilidade.

O que há de novo na versão 3.3:

• Adiciona o parâmetro largura da etapa à pesquisa de Padrões Semelhantes para especificar diretamente o comportamento da pesquisa de padrões na modelagem.
• Lançamento de manutenção e estabilidade.

O que há de novo na versão 3.2.4:

• Corrige um problema ao migrar o aplicativo para outro computador.

O que há de novo na versão 3.2.2:

• Atualização do Yosemite.