Der Microsoft Time Series-Algorithmus verwendet eine Kombination aus ARIMA-Analyse und linearer Regression basierend auf Entscheidungsstrukturen für die Analyse zeitbezogener Daten, wie z. B. monatliche Verkaufsdaten oder Jahresgewinne. Mithilfe der erkannten Muster können Werte für zukünftige Zeitschritte vorhergesagt werden. Der Algorithmus kann so angepasst werden, dass die Entscheidungsstrukturmethode und/oder ARIMA verwendet wird.
Der Microsoft Logistic Regression-Algorithmus ist ein Regressionsalgorithmus, der für die Regressionsmodellierung geeignet ...
Der Microsoft Naive Bayes-Algorithmus ist ein Klassifikationsalgorithmus, der schnell erstellt werden kann und für die Vorhersagemodellierung ...
Der Microsoft Neural Network-Algorithmus verwendet eine Verlaufsmethode zum Optimieren von Parametern mehrschichtiger Netzwerke, ...
Der Microsoft Sequence Clustering-Algorithmus ist eine Kombination aus Sequenzanalyse und Clustering, der Cluster ähnlich ...
Der Microsoft Time Series-Algorithmus verwendet eine Kombination aus ARIMA-Analyse und linearer Regression basierend auf ...
Der MINIMUM_SUPPORT-Parameter ist im Microsoft Sequence Clustering-Modell '%{modelname/}' negativ. MINIMUM_SUPPORT muss positiv ...
Der MSDASQL-Anbieter wird nicht unterstützt. Daten aus ODBC können mit der Funktion "Odbc.Query" oder "Odbc.DataSource" abgerufen ...
Der Name "{0}" ist nicht eindeutig. "{0}" ist in den Namespaces "{1}" und "{2}" definiert. Verwenden Sie einen voll qualifizierten ...