Chinese
簡單線性迴歸分析實例（迴歸假設）
迴歸分析是統計學上常用的分析方法，主要在建立一個函數（最能夠代表變數間的所有觀測資料），並用此函數來代表應變數和自變數之間的數學模式，以便觀察特定的變數來預測我們所感興趣的變數。若特定的變數（X）和有興趣的變數(Y)的數目都為一個，則我們稱此模型（）為簡單線性迴歸分析。
SAS 視覺資料探勘與機器學習 (VDMML) 開源協作
SAS全程化的共同分析平台，是專為不同分析階段的分析者所設計，包括資料科學家、統計學家、資料分析師、商業分析師等，並提供SAS、Python、R等分析者使用SAS的分析套件及運算資源。為企業中不同風格的資料分析者，提供一個安全且友善的共同分析環境。同時，該平台提供統一的管理介面給子企業IT人員，以監管及維護分析平台。
SAS 視覺資料探勘與機器學習 (VDMML) 模型比較
看完本支影片您可以了解： Model Studio介面如何幫助分析者達到模型比較目標 冠軍模型的產生原因 如何比較各模型的執行與解釋結果 如何將模型的效度以視覺化表示
SAS 視覺資料探勘與機器學習 (VDMML) 機器學習
透過SAS機器學習，探索多種方法，充滿自信地找出最佳解決方案。分散式處理的卓越效能，以及功能豐富的建構區塊打造機器學習建構流程，可讓眾多使用者快速探索及比較多種方法。支援自動最佳化模型參數設定，以建立最佳的機器學習模型。
SAS 視覺資料探勘與機器學習 (VDMML) 電腦視覺臉部辨識
豐富的深度學習模型包括常用於影像辨識的卷積式類神經網路 (Convolutional Neural Networks)、常用於進階文字分析的回饋式類神經網路 (Recurrent Neural Networks)、Autoencoder、Seq2seq 等。
Visual Statistics (VS) 開源協作 (Python)
Visual Statistics 提供原生整合至 Python Pandas DataFrames。Python 程式設計人員可上傳DataFrames 至 CAS，並從 CAS 擷取結果作為DataFrames，與其他 Python 套件 (如 Pandas、matplotlib、Plotly 及 Bokeh 等) 互動。除了Python以外，使用者能夠自己選擇程式設計語言如Java、R 及 Lua 等語言，不必學習如何在 SAS 進行程式設計，就能體驗 SAS Visual Statistics 的強大功能。他們能由其他編碼環境，彈性存取深獲信任及通過測試的 SAS 機器學習和統計演算法。
SAS 視覺資料探勘與機器學習 (VDMML) 功能介紹
SAS視覺資料探勘與機器學習，提供全方位的分析者操作介面，為使用者打造完整的資料分析流程。從資料前處理、資料探索、模型建置、評估、到模型佈署，所有分析者都在統一的共同分析平台發揮所長。高規模化且富彈性的分析流程將大幅加速企業求解最複雜的分析問題。擁有豐富的現代化機器學習技術，您將更具分析競爭力去探索結構化及非結構化資料的數據世界。
