极速建模

点击式操作
自研算法
自定义算法
自动化特征衍生
仅5步鼠标即可极速完成数据建模,大幅缩短模型开发周期。
人机交互友好

通过友好的人机交互设计,使得机器学习变得大众化,降低机器学习的入门门槛,用户学习成本大大降低。

新一代的UI风格

有别于传统机器学习平台,本系统使用新一代的UI设计风格,系统通过丰富的图表把数据与模型的信息更好地展示出来。

体验Demo
系统对机器学习算法进行大量的底层代码改进与优化,这不仅让建模变得更高效,而且使得模型的精度更高。
高效

模型训练速度以及资源消耗都显著地优于同类型的产品,最快仅需10来秒就可以得到一个模型,大大提高了模型的迭代速度。

高精度

经过大量的数据与客户反馈验证,模型训练效果优于同类型的其他产品。

可干预

用户可以根据专家经验对树类型的机器学习模型的训练进行人工干预,使得机器学习与专家经验可以有机结合,提高模型的可用性。

体验Demo
用于支持用户自定义符合平台规范的分类或回归算法,自动化算法的各个子模块编辑完检验通过后可以保存至自定义算法库,后续建模任务中可选择该库中的相关算法进行模型训练、预测等功能。
简单

系统把模型训练整个流程进行抽象整理,用户仅需实现几个关键方法即可生成自定义的算法模型。

开放

用户可以按照自己的需要通过python语言完全按照自己的想法生成自己的算法模型。

全流程

自定义算法支持系统的所有功能模块。

体验Demo
通过机器学习的算法自动生成各种有效切具有业务含义的衍生特征。
变量分箱

通过机器学习算法对变量进行分箱,分箱结果可以手工调整,已达到最佳效果。

交叉衍生

根据变量在树模型中的交互作用,对变量进行两两的四则运算,得出交叉衍生变量,这些衍生变量通常具有特定的业务含义,并且可以一定程度解决变量的非线性问题。

规则衍生

根据树模型从根节点到叶子节点分裂的规则得到的衍生变量,这种衍生变量通常具有很强的业务含义,并且可以一定程度解决变量的非线性问题。

多项式衍生

通过单变量归因的多项式拟合出来的衍生变量,这种变量通常具有很强的相关性。

体验Demo

自动化策略开发

策略自动化搜索
人机策略大战
策略组合与衍生
策略管理与监控
依托自主开发规则抽取机器学习算法,自动根据数据挖掘业务规则,使用决策树、随机森林、GBM等算法,探索更多AI规则。
自动规则探索

依托自主开发规则抽取机器学习算法,自动根据数据挖掘业务归因逻辑、业务规则,提升分析人员数据解读效率。

决策树策略

可使用决策树、随机森林、gbm等模型算法,探索更多AI规则。可直接直接对此决策树进行进一步的调整,剪枝、生长、调整阈值等。

体验Demo
从多维度对人与机器得出的策略进行检验分析
专家经验策略

用户可以根据专家经验录入自定义的策略,并对策略进行检验分析。

策略比较

专家经验策略与机器学习搜索出来的策略可以在相同的条件下同时进行数据检验,从多维度对比人与机器得出的策略性能。

体验Demo
对多个简单策略进行组合,根据策略内容对变量进行交叉衍生与规则衍生。
策略组合

可以对多个简单策略进行自由组合,成为一个策略组,对策略组进行串行或整体分析,得出策略组合的性能。

策略衍生

根据策略的内容可以对组成策略的变量进行交叉衍生与规则衍生,从而得到一系列具既有业务含义又有很强的预测性能的衍生变量。

体验Demo
支持对历史版本的追溯和策略的版本回退,对同类下的多个策略进行对比和分析,并对策略进行持续性监控,分析其性能表现。
策略版本管理

支持对历史版本的追溯和策略的版本回退。可通过版本设置,对策略进行版本回退以及切换后查看历史版本信息。

策略对比

支持对同类下的多个策略进行对比,从重要变量、指标、分箱等多维度进行对比分析。

策略监控

对上线的策略进行持续的监控,分析策略在新的数据上的性能表现。

体验Demo

专家建模

丰富的SDK
代码建模
专家建模模块实现了集约化的统一管理开发环境,并提供极速建模SDK,依赖包管理。
机器学习SDK

可以通过SDK调用系统的基本功能,包括模型训练、预测、检验、发布服务等。

数据源SDK

可以通过SDK调用系统支持的所有数据源的操作,使得数据探索更加简便、快捷。

支持外部模型

外部平台训练得到的模型可以使用相关的接口导入到本系统使用。

体验Demo
通过定制化的jupyter lab或notebook,用户可以通过python、R或其他高级语言进行机器学习的探索。
专业的代码编写

通过jupyter lab和notebook环境,建模人员可以通过自由编写代码的方式训练出更加专业的机器学习模型。

虚拟环境

用户可以通过上传第三方放依赖包的方式创建特定的虚拟环境,以满足不同的建模场景。

SAS编码

系统提供SAS编程环境以支持SAS的模型开发。

体验Demo

模型自学习

丰富多样的AutoML配置
自动化模型迭代
领先市场的自动化能力,AutoML、AutoFeature提升模型精度。
模型调优

对在开始学习过程之前设置值的参数进行优化,给学习机选择一组最优超参数,以提高学习的性能和效果。

特征筛选

使用多种特征筛选方式,自动搜索出最优的特征组合。

交互作用

通过对树模型节点分裂的规则加以专家经验的限制,使得训练出来的模型具有更好的泛化性。

自动化建模

无需专业建模知识,仅需简单的配置,即可在多种机器学习算法中探索出最优的算法与超参组合。

超级自动化

建模专家可以把特定的建模迭代优化策略固化,普通用户可以使用建模专家的优化策略训练自己的模型。

体验Demo
系统支持定时调度功能,支持自动化模型迭代、自动化模型预测与自动化模型检验等功能。
自动化模型迭代

通过配置指定的建模频率、建模参数、以及建模数据,系统可以定时地对模型进行迭代升级。

自动化模型预测

通过配置指定的预测频率和预测数据,系统可以使用指定的模型对新数据进行自动预测分析。

自动化模型检验

通过配置指定的检验频率和检验数据,系统可以对指定的模型进行性能检验,不断地监控模型的性能表现。

体验Demo

模型可解释

模型可解释
模型评分可解释
破除传统黑盒模型,提升业务理解的模型业务化能力。
全局可解释

通过重要变量分析,预测分箱,混淆矩阵等工具对模型结果进行全局的可解释分析。

局部可解释

除了定位重要变量以外,可通过单变量、双变量归因,对策略中使用的变量做进一步的理解。

体验Demo
对使用模型进行评分预测的结果进行可解释的描述。
单样本可解释

对每个样本的预测结果进行可解释分析,得出导致评分结果最重要的变量排名以及变量的贡献程度。

样本分群

根据没有样本的可解释分析,可以对某个批次的样本进行群组划分。

体验Demo

模型一键式部署

多平台模型SDK
推理服务
基于AI的跨平台模型应用编译器,解决跨平台模型应用问题。
多平台SDK导出

系统训练的模型支持多种平台的原生代码SDK开发包的导出,导出的SDK可以离线运行。

外部模型SDK导出

系统支持部分外部模型通过系统的翻译器导出为多平台的SDK开发包。

体验Demo
系统的模型可以一键式的发布成API服务,提供外部系统使用。
实时推理服务

系统模型可以生成高并发的实时推理服务API接口,供外部系统使用。

批量推理服务

系统模型可以生成高效的批量推理服务API接口,提供大数据量的批量推理服务,推理接口可以通过指定的数据源配置进行数据回流写入。

体验Demo

让机器学习变得更简单、高效、精准

业务分析

对于各种业务场景进行机器学习分析建模,特别是金融风控场景、营销场景。

机器学习评分卡开发

使用各种机器学习算法进行模型训练与预测评分。

逻辑回归评分卡开发

使用传统的逻辑评分卡模型进行模型训练与预测评分。

策略极速开发

从海量数据中挖掘有效业务策略规则,进行策略规则的验证与分析。

特征探索及衍生

使用机器学习算法对原始数据进行特征加工与衍生,从而使得训练的模型具有更高的性能。

模型部署

一键式地把模型发布成SDK开发包、实时推理服务或批量推理服务。

模型自迭代

持续地对模型使用新数据进行自迭代,不断的优化或监控模型性能。

体验Demo

魔数智擎

可解释、可干预、简单化人工智能决策模型平台

● 助力企业科技赋能、合规运营

● 将人工智能建模工作效率提升30~40倍

● 客户业务系统不做任何改变就能实现智能化

联系魔数智擎

提交成功

魔数智擎将安排专员与您联系,请耐心等待!

或可直接添加企业微信、拨打联系电话
解决方案 解决方案
客户案例 客户案例
公司介绍 公司介绍
公司动态 公司动态
关注或联系我们

联系电话:0755-33309473

商务邮箱:marketing@magicengine.com.cn

其他合作:info@magicengine.com.cn

地址:深圳市南山区北邮科技大厦1506-1507

Copyright © 2022 深圳市魔数智擎人工智能有限公司 粤ICP备18115691号-1