Предлагаем демоверсию для небольшой обучающей выборки: 150 объектов – 30 показателей. Автоматизирована задача классификации, предусмотрены наглядные отчеты, план действий по переводу объекта в другую (благоприятную) группу.
🔸 В комплекс входят стандартные методы машинного обучения и авторские методы, основанные на логико-статистической подходе (оптимально достоверные разбиения и статистически взвешенные синдромы). Из лучших методов при решении конкретной задачи классификации можно создавать ансамбль, достигая наилучших результатов распознавания.
🔸 Преимущества перед нейронными сетями: прозрачность решения, выявление набора значимых показателей, вычисленных с помощью перестановочного теста. Работа с методами не предполагает знание программирования.
🔸 Возможно предсказание свойств химических соединений, так называемый рациональный химический дизайн.
Скачать демо-версию
Контакты:
Анна Викторовна Кузнецова, к.б.н., с.н.с. лаборатории математической биофизики ИБХФ РАН; 8 903 253 84 23 - telegram, WhatsApp
#сотрудничество #наукаИБХФ #ИБХФ #ИБХФРАН #объявление
