产品特色

  • 易用方便,高效建模

    1) 使用门槛低,无需掌握SAS/Python编程语言亦可建模;

    2) 自动帮助用户进行数据清洗、缺失值处理、文本类特征编码等在线下处理比较耗时的数据前处理问题,提高了数据预处理的效率;

    3) 支持超参数和超参评估指标值联动的显示模式,用户可以实时观测在每组超参数情况下的方案;

    4) 在自动调参功能的辅助下,省去了用户手动调参的工作,并且可以获得效果更好的超参数。

  • 丰富的可视化图表与友好的人机交互

    1) 平台自动生成数据画像、可以直观的呈现特征数据分布;

    2) AUTO_ML平台提供阈值和模型指标值联动,用户可以观测在不同阈值下,模型各指标的取值情况,为用户进行CUT_OFF_POINT的选取带来方便。

  • 丰富精准的评估结果报告

    提供ROC KS PR LIFT特征重要性等曲线或Chart图,便于全面评估待部署模型。

  • 协作管理灵活高效

    1) 方便灵活的用户账号管理与数据权限管理;

    2) 平台会自动生成并保存所有探索记录及训练结果,便于随时查看分析,易于多人协作管理,提高工作效率。

  • 充足的可扩展方案

    1) 输入输出组件灵活方便对接外部系统或数据方便灵活;

    2) 针对大规模数据提供Spark大数据版本扩展方案。

  • 数据挖掘和衍生特征的功能

    平台使用机器学习的方法深度挖掘有效特征,有效辅助人工进行交叉特征的生成。

应用领域

  • 金融

    贷款、信用卡;风险评估建模、 ABC评分卡;反欺诈建模

  • 教育

    效率预测;客户分析;个性化推荐;客户防流失

  • 其他行业

    数据分析与建模

自动化智能建模VS人工建模

AutoML自动建模人工建模
数据预处理对应复杂数据问题游刃有余复杂数据问题人工处理难度大,效果往往达不到预期
技术门槛大大降低建模人员门槛人员素质门槛高(招聘难度大、薪资成本高)
建模效率高,几小时~几天低,几周~数月
模型质量直达中高级人工建模水平,质量稳定依赖人员技术,质量参差不齐
模型生命周期长,且可预测短,不稳定
集成化依赖工具
模型管理高(人员流动大、培训成本高)
应用场景多,扩展迅速少,扩展缓慢

服务方式及流程