金融大数据智能分析和数据挖掘平台

金融智能分析和数据挖掘平台是对大数据系统的数据进行商业分析和展示的平台，可让每位用户轻松创建各种灵活、互动型可视化效果，推动基于直觉的探索和发现。用户通过该平台能够轻松把握全局并发现联系、处理复杂的大型数据集、获取数据关系快照、基于数据制作演示文稿、创建动态图形和表格、执行统计分析、建立自己的专家系统、以及创建自己的业务智能系统等。

大数据智能分析和数据挖掘平台包含敏捷智能分析和大数据挖掘两个套件。

1.敏捷智能分析

敏捷智能分析是下一代自助服务数据可视化应用程序，可让每位用户轻松创建各种灵活、互动型可视化效果，推动基于直觉的探索和发现。平台基于关联数据索引引擎而创建，能够让用户跨越各种资源探究数据关系，这些数据关系如采用层级式或查询式方法是难以发现的。敏捷智能分析通过直观的研究、智能搜索、智能可视化效果集实现在更短时间内获得见解；通过数据叙事和移动功能扩大知识共享范围；并通过企业管理功能提高准确性和可靠性。敏捷智能分析使每个人都可以成为业务分析师，将自助式BI的灵活性提升至一个新的层次，让企业变得更明智并且可以更快地做出行动和反应。

（1）数据挖掘

平台易于使用且十分直观， 允许用户快速并且交互式地改变分析流程，同时也能够使用户能够可视化地去查阅数据，帮助用户进一步探索分析。用户可以在平台上方便地进行可视化构建、 并交互式地执行数据流，以完成数据分析挖掘所需的各个子过程。

（2）自助服务可视化与发现

敏捷智能分析通过智能、响应的 HTML5 客户端提供尖端的数据可视化和发现用户体验，允许人们快速浏览信息并获得关键见解。平台的创建目的是体现人类直觉在各个领域的使用。

（3）随时随地研究与分析

敏捷智能分析提供各种重要的移动功能 ：

• 移动分析不受限制；

• 随处创建；

• 采用手势触控用户界面；

• 进行灵活的响应式设计；

• 支持小型设备模式。

2.数据挖掘套件

   数据挖掘套件是一个模块化的开发环境，它能够简单地进行可视化构建、并交互式地执行数据流（data pipeline）。

   它被设计为一个用于教学、研究和协作工作的平台，能够方便地集成出新算法和新工具，同时也可以在新模块或节点上对数据进行操作和可视化查看。

用户使用标准化的构建模块来可视化地构建、调整分析流程，之后通过管线将模块连接起来，以使得数据或模型在模块间流动，以图形化的方式直观地来记录做了什么。就提供了一个这样的数据流构建环境。

（1）平台架构

（2）分析挖掘

1)统计分析

数据挖掘套件为用户提供：假设检验、方差分析、回归分析、统计汇总、列联表等统计分析功能，用户只需对相应节点进行设置，即可完成想要的统计分析。

2)数据挖掘

ETL：用户可按行或者按列的方式对数据进行操作，主要操作有分割&合并、过滤、转换等。用户可以根据具体的ETL需求，选择一种或多种类型节点进行组合完成数据的抽取、清洗、转换操作。

特征选择和降维

用户可以使用方差、相关性、PCA等方式量化特征间的冗余，从而有效地进行特征选择和数据降维。

分类：平台为用户提供多种类型的分类模型：Bayes、Decision Tree、Neural Network、SVM、KNN等。每种分类模型将模型训练和模型预测独立开来，用户可以使用数据只进行模型的训练，训练好的模型也可以在任何需要的时候应用到需要预测类别的数据上。

聚类：平台为用户提供了多种类型的聚类算法：基于划分的聚类方法（K-Means、K-Medoids、Fuzzy c-Means）、基于层次的聚类方法、基于密度的聚类方法等等。用户根据具体问题的和相应数据的特性，自行选择对应的聚类算法。

关联规则：平台使用多个节点实现关联规则的发现，频繁项集生成、规则的生成等过程被封装在各个过程节点中。关联规则算法包括：Apriori、FPgrowth、RElim 、SaM (Split and Merge)、JIM等。

模型融合：平台为用户提供了功能丰富的节点，包括从PMML模型中融合、使用Boostring的方式融合等，以满足用户融合不同模型的需求。

模型评估：平台提供交叉验证、ROC曲线等方式对模型检验其效果。