核心算法

分类：深度学习、广义线性模型、 随机森林、梯度提升模型、 XGBoost、支持向量机、 朴素贝叶斯

回归：深度学习、广义线性模型、 随机森林、梯度提升模型、 XGBoost

聚类：K-Means、GMM

降维：主成分分析、广义低阶模型

集成Scala、Python语言中的数据预处理，可视化、算法模型，应对各类机器学习、数据挖掘模型的构建

Maxim AI 优势

· 实现了对各数据建模整个生命周期的可视化和模块化管理，并以友好的用户界面和高级的技术特性，整合用户管理、任务管理、数据管理和模型管理等业务级管理任务 ·基于Hadoop/Spark集群，通过分布式文件系统HDFS的数据接口，提供数据整合和数据质量管理等技术，支持海量数据的快速存储和加载

· 通过交互式和可视化的工具，实现数据处理、变量分析和数据可视化等，支持对数据快速分析和整体把握

· 集合众多主流的机器学习算法，实现自动化机器学习，结合Hadoop/Spark平台的分布式能力，支持基于海量数据集的全量数据描述性建模以及可视化模型评估

· 实现自动特征工程，支持探索性数据建模，提供菜单式参数调优界面，实现了企业级AI模型生产和分析

· 独立化预测性模型，实现了对测试数据的一键式预测

· 集成Scala/Python/R多种编程环境，支持用户的自主开发

核心能力

· 基于 Hadoop / Spark 集群，支持海量数据集的建模全面覆盖模型 生命周期的管理

· 自动化机器学习：自动化选择算法模型并调参优化模型、自动化实 现多模型集成学习、自动化实现模型对比，评估最优模型

· 自动特征工程——“让数据就绪到可以进行机器学习”

· 包含热门及主流机器学习算法

· 兼具视觉吸引力和实用性的图形用户界面交互 FreeCoding模式

· 集成 Scala / Python / R 编程环境，并支持spark/pyspark交互式运 行环境