技術(shù)包括用于圖像數(shù)據(jù)的 StyleGans 和用于表格數(shù)據(jù)的 GaN。 為深度學(xué)習(xí)模型生成合成數(shù)據(jù)。

高度分布式和多線程。 返回未標(biāo)記數(shù)據(jù)表和標(biāo)記數(shù)據(jù)表的預(yù)測標(biāo)簽。

學(xué)習(xí)不同的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，包括樸素、樹型樸素 (TAN)、貝葉斯網(wǎng)絡(luò)增強(qiáng)樸素 (BAN)、因果貝葉斯網(wǎng)絡(luò)和馬爾可夫毯。 通過獨(dú)立性測試執(zhí)行有效的變量選擇

支持基于用戶 ID 和項目評級的稀疏矩陣的推薦系統(tǒng)開發(fā)。 能夠應(yīng)用完整的成對交互張量分解。 包含其他分類和數(shù)字輸入功能，可實現(xiàn)更準(zhǔn)確的模型

為二值型目標(biāo)標(biāo)簽建模。 支持線性和多項式內(nèi)核進(jìn)行模型訓(xùn)練。 能夠包含連續(xù)和分類的輸入/輸出功能。

自動智能調(diào)整參數(shù)集以識別最佳模型。 支持計數(shù)數(shù)據(jù)建模。 大多數(shù)神經(jīng)網(wǎng)絡(luò)參數(shù)的智能默認(rèn)值。 能夠自定義神經(jīng)網(wǎng)絡(luò)架構(gòu)和權(quán)重。

包括擬合 Q 網(wǎng)絡(luò) (FQN) 和深度 Q 網(wǎng)絡(luò) (DQN) 在內(nèi)的技術(shù)。 FQN 可以在預(yù)先收集的數(shù)據(jù)點(diǎn)上訓(xùn)練模型，而無需與環(huán)境進(jìn)行通信