SAS^® for Machine Learning & Deep Learning

通过简单、集成化的协作式解决方案及其自带的自动化建模 API，使用机器学习和深度学习技术解决各种分析难题

免费试用 SAS Viya

SAS for Machine Learning & Deep Learning

助力所有员工在同一集成环境中工作，其中涵盖数据管理以及模型开发和部署整个流程。

利用自动化洞察轻松解决复杂的分析问题。

自动生成机器学习和深度学习洞察，识别所有模型中的常见变量、重要变量和评估结果。使用自然语言生成功能创建项目摘要，以简单语言编写，易于解释。分析人员可将项目注释添加到洞察报告中，以便团队沟通协作。
多种语言选项

不了解 SAS 代码？没有关系。您可以在分析中使用开源代码，在管道中调用开源算法，并通过 Model Studio 中的通用储存库无缝访问这些模型。用户可以使用自己选择的语言执行所有这些操作，促进整个组织的协作。您还可以利用 GitHub 上的开源软件包 SAS Deep learning with Python (DLPy)，在 Jupyter notebook 中使用 Python 访问用于深度学习功能的高级 API，包括计算机视觉、自然语言处理、预测和语音处理。DLPy 支持开放式神经网络交换 (ONNX)，可在框架之间轻松移动模型。
快速分析多种方法，找到更佳方案。

大规模并行处理的卓越性能和机器学习管道中功能丰富的构成要素，可让您快速了解和比较多种方法。您只需选择所需的选项，即可快速轻松地找到适用于各种机器学习算法（包括决策树、随机森林、梯度增加、神经网络、支持向量机和因式分解机）的最佳参数设置。复杂的本地搜索优化例程在后台工作，可以高效地调整模型。您还可以在集成的机器学习程序中组合非结构化和结构化数据，以便从新数据类型中获得更有价值的洞察。通过对生命周期各个阶段的可重现性进行分析，您能够获得可以信任的答案和见解。
提高分析团队效率

数据科学家、业务分析师和其他分析专家，可从支持整个机器学习管道的单一协作环境中获得高度准确的结果。各类用户都可以访问和准备数据。进行探索性分析。建立和比较机器学习模型。创建评分代码以实施预测模型。执行一键式模型部署。使用我们的自动建模 API，用户可以比以往更快地完成所有这些工作。
将数据快速转化为决策

为了增强协作理解，该解决方案在每个节点内为所有用户提供有助于商业运营的注释，对正在运行的方法以及方法、结果和解释的相关信息进行描述。
使用简单语言解释模型

在所有建模节点（包括 LIME、ICE、SHAP、PD 热图等）中都提供标准的可解释性报告，其中包含来自嵌入式自然语言生成的简单语言解释。将建模信息导出为 PDF 报告，可以在数据科学团队之外共享。

SAS分析协助客户智慧工作

查看其他组织如何使用 SAS

主要功能

全面的视觉和编程界面支持端到端的数据挖掘和机器学习流程。所有技能水平的分析团队成员，都能够以简单、强大的自动化方式处理所有分析生命周期的任务。

数据访问、准备和质量

使用直观的界面进行数据访问、分析、清理和转换，该界面通过嵌入式 AI 提供自助数据准备功能。

数据可视化

通过单一的自助服务界面直观地浏览数据，创建和共享智能可视化和交互式报告。增强分析和高级功能可助力用户快速获得洞察，帮助您发现数据中隐藏的信息。

合成数据生成

利用生成式对抗网络 (GAN) 为您的深度学习模型生成合成数据，包括图像和表格数据。

自动化洞察和可解释性

自动生成洞察，包括有关项目、最佳模型和挑战者模型的汇总报表。嵌入式自然语言生成流程中的简单语言有助于报表解释，并减少业务分析师的学习难度。通过 PDF 报告共享建模见解。

偏见检测

评估模型相对于指定群组的性能和结果偏差。

前沿机器学习技术

利用强化学习（通过 Fitt Q-Networks、Deep Q-Networks 或 Actor-Critim）来解决顺序决策问题，同时支持自定义环境。

掌控决策树

以交互方式调整决策树节点的拆分和修剪，以反映您的业务知识并强制执行监管限制。

自动化特征工程和建模

节省时间并提高生产力。自动化特征工程通过对特征进行排名来选择最佳建模特征集，以指示其在转换数据中的重要性。根据您的数据动态生成可视化管道，并确保可编辑以保留白盒模型。

公共 API 可实现自动化建模

只需选择自动化选项，即可利用公共 API 进行自动化建模，实现端到端模型开发和部署。此外，还能使用此 API 构建和部署自定义预测建模应用程序。在 developer.sas.co 上查看示例。

借助 Python 和 ONNX 支持进行深度学习

通过 GitHub 上的 SAS Deep learning with Python (DLPy) 开源软件包，Python 用户能够访问 Jupyter notebook 中用于深度学习功能的高级 API。DLPy 支持开放式神经网络交换 (ONNX)，可在框架之间轻松移动模型。通过利用 Analytic Store (ASTORE)，使用 ONNX 模型对各种环境中的新数据集进行评分。