Insightful Miner 7.0 特征列表

Insightful Miner 7.0新特征

• 新的和改进的的数据处理节点，包括多个输入的聚合join和附加append；探测重复(detect duplicates)；重排（reorder）列
• 改进的图形工具，例如新的多维数据探索图trellis hexbin plot 和 hexbin matrix，以及无需抽样创建Charts图的能力
• 扩展表达式语句：通过提高字符串和日期的处理
• 扩展支持的文件格式，包括支持64-bit SAS、compressed SAS，以及新的报告和图形输出格式。
• 绩效提高，包括提高排序Sort 、洗牌shuffle和关联 join的绩效
• 包括S-PLUS Script Node和20 多Chart Node，无需单独的S-PLUS license。
• 提供两个版本，包括个人用户的桌面版(desktop)和企业用户的服务器版(Insightful Miner Server)。

Insightful Miner 特征列表

可视化工作流环境

• 创建自备案可视化程序
• 直观的拖拉、点击界面
• 连接节点来描述分析流程
• 屏幕注释
• 节点级的变化跟踪以满足多用户协作
• 有效性(Validity)和存盘(Caching)的可视确认
• 保存和共享worksheets模版
• 输出worksheet image 于文件

数据存取（导入和导出）

• 有分隔符的ASCII文件(Delimited ASCII files )
• 固定格式的ASCII文件(Fixed format ASCII)

• 支持数据字典
• SAS®, SPSS®, Excel® 和许多别的浮点文件
• ODBC连接兼容数据库 (Windows®)
• 本地连接 Oracle®, DB2, Microsoft® SQL Server, Sybase

数据操纵

• 强大的抽样，包括分层抽样方法
• 行操纵： 聚合(Aggregate)、附加(Append)、过滤(Filter)、划分(Partition)、抽样(Sample)、 洗牌(Shuffle)、 排序(Sort)、堆栈(Stack)和反堆栈(Unstack）
• 列操纵： 分箱(Bin）、创建新列(Create Columns)、过滤列(Filter Columns)、关联(Join)、重排（reorder）、修改列(Modify Columns)、正规化(Normalize)和转置(Transpose )
• 自动把连续变量分箱：连续数据离散化
• 连续型、日期、分类和字符串数据类型
• 用强大的表达式语言创建或修改列和过滤行

数据清洗

• 探测和修复缺失值
• 探测重复
• 缺失值处理：删除、替换、分布生成和前方相邻观察值
• 稳健的多维异常点探测

探索性数据分析和可视化

• Trellis图，快速显示高维数据结构
• 单变量描述性统计，相关和协方差计算
• Table浏览和交叉表
• 比较数据，用于数据确认
• 1-D 图： 饼图(Pie), 条形图(Bar), 柱状图(Column), 点图(Dot), 直方图(Histogram), 箱形图(Boxplot)
• 2-D 图： 散点图(Scatterplot), 箱形图(Boxplot), 航线图(Strip plot), QQ图(Quantile-Quantile), 密度图(Density)
• 六边形箱图(Hexagonal Binning chart)：观察大数据集变量之间的关系
• 3-D图：等高线图 (Contour)，水平图(Level plot)， 曲面图(Surface plot)， 云图(Cloud plot)
• 多变量图：多个2维图(Multiple 2-D plot)，散点图阵(Scatterplot matrix)，六边形箱图阵(Hexbin Matrix)，平行图(Parallel plot)
• 时间序列图：线图( Line plot), 高低图(High-Low plot), 堆栈条形图 (Stacked Bar plot)

模型、算法和可视化工具

• 预测和分类模型：具有基础和高级模型选项
• 高弹性的算法：无需抽样或聚合，采用大数据训练模型
• 分类决策树(Classification Trees)和回归决策树(Regression Trees)：提供单个树(Single)和多个树(Ensemble)方法，用Block Model Averaging；K-Fold Cross-Validation、附加Gini 和Entropy 划分规则
• 线性回归(Linear Regress)和logistic回归(Logistic Regress) ：implemented as QR decomposition with Householder transformations
• 多层感知器神经网络(Neural Networks)
• 神经网络训练方法： Resilient Propagation, Quick Propagation, Delta-Bar-Delta, Conjugate Gradient, and Online methods
• 神经网络: 最多三个隐层，用户指定每层节点数
• 交互的神经网络训练过程可视化工具，允许实时控制学习过程
• 朴素贝叶斯分类器(Naive Bayes)
• 主成分分析(Principal Components)
• Cox比例风险模型(Cox Proportional Hazard models)：分析时变的终检数据
• K均方聚类(K-Means)：客户细分
• 有交互系统树图的可展开的树的结构浏览
• 模型评估：收益图(gain charts)、提升图 (lift charts)、 ROC charts 和一致矩阵(agreement matrices)
• 变量重要性工具： 选择最重要的变量
• 自动计算哑变量和交互列

弹性

• 所有组建运行out-of memory 和 in-memory
• 独一无二的 "管道式架构" ，在各处理组件间分块传递数据
• 经典叠加技术
• Block Model Averaging技术
• 自适应分块大小，优化计算资源使用
• 自动和手动控制存盘(Caching)，以平衡快速响应和大规模计算要求

扩展性

• 复合节点：一个节点内创建完整处理流程
• 用S语言创建新节点
• 完全获取 S-PLUS 7 Enterprise Developer函数和 libraries
• 创建自定义的预测模型、图和报告

• 创建和共享用户自定义节点libraries
• 管理多个自定义libraries

模型发布和打分

• 基于Web的图形化报告
• HTML. PDF, PostScript and RTF 模型汇总输出
• 所有组件非交互式批处理功能**
• 模型端口，支持自动更新打分组件
• 用S-PLUS创建处理大数据集的打分预测模型
• PMML( Predictive Model Markup Language ) 导入和导出
• 生成C代码，满足实时打分**

注意: ** 仅Insightful Miner Server满足

系统要求

• Windows 2000, Windows XP Professional, Windows Server 2003 ， 32位x86处理器。 (最小系统配置：奔III， 512M内存, C或D驱动器上350M硬盘空间)
• Solaris 8 或者Solaris 9 ，32位SPARC处理器 (最小系统配置： 350M硬盘空间)
• 支持微软终端服务(Microsoft Terminal Services)
• 最小数据大小的5倍自由空间用于数据分析，推荐10倍