Machine Learning & Analytics Collection

データにはさまざまな形式やサイズで存在していますが、実用的なインサイトを効率的に引き出すためには、データサイエンス技術に関する深い知識が必要です。BIOVIA Pipeline Pilot Machine Learning and Analytics Collection は、機械学習とデータモデリング機能の包括的なソリューションを提供し、データサイエンスの取り組みを合理化します。

データを分析し、モデルをトレーニング及び再トレーニングし、自動化されたソリューションを有用なエンタープライズ・アプリケーションに展開します。

機械学習ソリューションの開発には、複雑なソフトウェアアーキテクチャと高度な統計学の知識が求められることがよくあります。BIOVIA Pipeline Pilot Analytics and Machine Learning Collection を使用すれば、開発者もエンドユーザーも、数回クリックするだけで最新の機械学習技術をワークフローに組み込むことができます。コーディングは不要です。

• データセットのマージ、結合、特性化、およびクリーニング
• 15 種類以上の機械学習(ML)手法のいずれも、科学データおよびエンジニアリング・データに適用可能
  • R スクリプトを記述せずに、サポート・ベクター・マシン、ニューラル・ネットワーク、XGBoost などの R ベースの ML 手法を使用可能
  • scikit-learn や TensorFlow などの Python ML ライブラリを使用可能
• 統計解析を迅速に適用
  • 回帰モデルと分類モデルの評価を活用し、モデルのテストデータのパフォーマンスを評価、比較
  • 高速でスケーラブルなベイズ分類モデルを構築
  • GFA 法の遺伝子アルゴリズムを使用して、変数の選択と回帰アンサンブル・モデルを構築
  • 正確で使いやすい RP Forest 回帰モデルと分類モデルを構築
• モデルの性能をキュレート
  • モデル適用可能領域(MAD)メソッドとクロスバリデーションの展開
  • ML フレームワークを使用して、あらゆるタイプのモデルを対象にクロスバリデーション、ハイパーパラメータのチューニング、変数の重要性の評価を実施
• 柔軟に機能
  • Jupyter Notebook、R、JMP、SAS などのサードパーティーの統計プラットフォームとツールのサポート
• 専門分野に特化したデータを読み込む
  • さまざまな数値データ、化学データ、生物学的データ、テキスト、画像データをサポートすることを目的として構築
  • 組み込みの適用可能領域測定および誤差モデルを使用して、サンプル固有の予測の信頼性を評価
• 予測を最適化
  • 複数のトライアル・モデルを並行してトレーニングしてトップパフォーマーを特定したり、複数のモデルを組み合わせて 1 つのアンサンブル・モデルを作成したりすることが可能
• 多目的最適化を簡素化
  • 多目的最適化問題にパレート最適化などの方法を適用
• 結果をワークフローに可視化
  • ROC プロット、エンリッチメントプロット、その他の可視化技術を使用してインタラクティブなレポートを生成
  • PCA、クラスタリング、多次元データ可視化などの探索的解析を実行