Gömülü python temelli TURBOARD teknolojisini kullanın. Veri bilimi işlemlerinizi başka araçlarda gerçekleştirip çıktıyı excel tabloları olarak taşımanız gerekmeyecek. Bu şekilde yapmanız, hem iş yükünü artıracaktır, hem de istatistiksel çıktı ile verinizi bağlamak için daha çok uğraşmanıza neden olacaktır. 3. parti yazılımlarla entegrasyon bile bu süreci biraz kolaylaştırmak adına artık direkt ayarlanabilir.
TURBOARD ile veri birimi özellikleri tek bir uygulamada toplanıyor. Veri analizleri için güçlü python altyapılarını bilmenize gerek yok. Sadece farenizi ve uygun bir kullanıcı arayüzünü kullanarak analizlerinizi hazırlayabilirsiniz.
Veri bilimi için kolay başlangıç, ayrı bir araç için veriyi hazırlamaya gerek yok. Verinizi hazırlamak ve temizlemek için TURBOARD veri toplulukları ve filtrelerini kullanın. TURBOARD Veri Toplulukları arayüzünden örneklemler oluşturun. Veriyi temizlemek ve TURBOARD Analitik Arayüzünden analiz ve modelleme yapabilmek için güçlü TURBOARD özelliklerini kullanın.
Bir model oluşturup bunu TURBOARD’da uyguladığınızda, o modeli sadece örnekleme değil aynı zamanda tüm veri setine uygularsınız. Kısacası, aynı TURBOARD filtrelerini analitik temelli ifadelerle birlikte kullanır ve mevcut iş zekası filtrelerinizle analitiği birleştirebilirsiniz. Örneğin, bir bölgedeki regresyon çizgisi ile tüm ülke verisini kıyaslayabilir veya hangi şubelerde tahminlerinizin daha doğru olduğunu kontrol edebilirsiniz.
Lineer Regresyon
Tercihen birden çok bağımsız değişkenden bir hedef değer tahmin edebilmek için, regresyon algoritmaları örnekleme en iyi şekilde uyacak bir formül bulmaya çalışır.
Her yolculuk için kilometreler, dakikalar ve ücretler gibi bir şehirdeki taksi yolculuklarının verisine sahip olduğunuzu düşünün. Regresyon, önceki taksi yolculuklarının çoğunluğuna uyan en iyi formülü size üretecektir. r2 regresyon için bir kalite ölçüsüdür ve tahmin edilen formüle kusursuz şekilde uyan örneklem yüzdesini gösterir. Eğer r2 0.9 ise, regresyonda bulduğumuz bu formül taksi yolculuklarının %90’nını tanımlayabiliyor demektir (bazıları daha az ücretler için pazarlık edebilir veya bazı taksi şoförleri para üstü vermeyebilir).
TURBOARD’da lineer ve polinomal regresyon modellerini kullanabilirsiniz.
Verilen hedef değişkenine göre bir sınıflandırma algoritması verinin o spesifik hedef değişkeni nasıl seçeceğini öğrenir ve yeni parametrelerde sonucu tahmin eder.
SVM ve Lojistik Regresyon tek bir satır kodlama yapmadan kullanılabilecek algoritmalardır.
Verilen parametrelerle kümeleme, birbirlerine yakınlıklarına göre elemanları gruplar.
TURBOARD önceden derlenmiş istatistiksel model deposunda Kmeans ve Meanshift algoritmalarını içerir.
Rakip iş zekalarında da what-if analizi bulabilirsiniz. Ancak TURBOARD Analitik modülü ile güçlendirilmiş What-If'te veri bilimi modelleri sonucu olacak olanlar yapay zeka ile tahminlenerek şekillendirilebilir. Örneğin fiyatlarınızı %10 artırırsanız gelirinizin %10 artmadığını hatta düşebileceğini görürsünüz.