台灣電力公司綜合研究所設備採購規範-長榮大學.docVIP

PAGE PAGE 9 長榮大學 資管系STATISTICA DATA MINER教育版軟體規範 含以下功能： 1. 概述 提供完整的資料探勘演算法與統計分析，使用者透過下拉式對話方塊，或者節點模版(Node Template)進行資料探勘專案；節點模版中，使用者可利用節點流覽器(Node Browser)中的資料管理、資料分析、繪圖與資料探勘節點，以拖拉(Drag and Drop)方式，建立問題解決方案 提供Data Miner指南(DMR)，以精靈(Wizard)操作方式，協助使用者逐步(符合CRISP-DM準則)且快速地建立複雜的資料探勘專案 提供資料探勘專案的處理流程，清楚定義四個步驟：資料獲取(Data Acquisition)、資料清理/過濾/轉換(Data Cleaning/Filtering/Transformation)、資料分析/建模/分類/預測，以及最終的報告；每項步驟中，清楚定義可執行的功能節點，即便使用者將功能節點拖拉至不適用的步驟上，軟體將自動幫您修正 軟體內建超過290筆練習檔案；廠商提供使用者可登入連接網頁，觀看系列課程 系統設計的基礎規格為32-bit以及2-CPU，使用者透過分散式運算(Distributed Processing)，快速處理大量資料；使用者可選擇擴充為64-bit，以及更多CPU規格(注：64-bit搭配最多8-CPU) 模型支援SVB、C++以及PMML程式語法 2. 資料探勘功能： Data Miner指南 / Data Miner Receipes (DBR) Data Preparation ? Data For Analysis ? Data Redundancy ( Model 自動類神經網路 / Automated Neural Networks 回歸問題之自動神經網路搜尋/SANN Regression, Automated Neural Search 回歸問題之自定義神經網路/SANN Regression, Custom Network Networks 分類問題之自動神經網路搜尋/SANN Classification, Automated Neural Search 分類問題之自定義神經網路/SANN Classification, Custom Network Networks 時間數列回歸問題之自動神經網路搜尋/SANN Times (Regression), Automated Neural Search 時間數列回歸問題之自定義神經網路SANN Times (Regression), Custom Network Networks 時間數列分類問題之自動神經網路搜尋SANN Times (Classification), Automated Neural Search 時間數列分類問題之自定義神經網路SANN Times (Classification), Custom Network Networks 聚類分析之神經網路SANN Clustering 獨立成份分析 / Independent Component Analysis 獨立成份分析 / Independent Component Analysis 獨立成份分析部署 / Independent Component Analysis Deployment 包含部署計劃之獨立成份分析 / Independent Component Analysis With Deployment 廣義EM與k-組平均數叢聚分析 / Generalized EM k-Means Cluster Analysis 廣義k-組平均數叢聚分析 / Generalized K-Means Cluster Analysis 廣義EM叢聚分析 / Generalized EM Cluster Analysis 關聯規則 / Association Rule 序列, 關聯與結合分析 / Sequence, Association and Link Analysis 一般化分類與迴歸樹模型 / General Classification / Regression Trees Models 標準分類樹 / Standard Classification Trees (CRT) 一般化分類樹 / General Classification Trees (CRT) 標準迴歸樹 / Standard Regression Trees (CRT) 一般化迴歸樹 / General Regression Trees (CRT) 一般化卡方自動互動檢視法模型 / Gen