...
无需编程技术，通过简便鼠标操作可视化完成数据挖掘。Smartbi Mining内置了丰富的、开箱即用的功能组件，包括“数据源接入”、“数据预处理”、“统计分析”、“特征工程”、“机器学习算法”、“文本分析”等。针对个性化算法需求，支持使用Python扩展算法；平台基于分布式云计算，因此支持动态扩展支撑更大数据量的数据挖掘。还可以进一步将模型结果通过Smartbi丰富多样的的可视化手段进行展现，与BI平台完美结合。BI数据集引用挖掘结果示例
支持多种高效实用的机器学习算法，包含了分类 、回归、聚类、预测、关联，这5大类机器学习的成熟算法。其中包含了多种可训练的模型：逻辑回归、决策树、随机森林、朴素贝叶斯、支持向量机、线性回归、K均值、高斯混合模型。
2、Minging产品定位
解锁未来的数据挖掘,是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息的过程。数据挖掘揭示的是未知的、将来的数据关系。数据挖掘的知识领域涵盖了数据库技术、统计学知识、机器学习、可视化等多学科知识的综合应用。
...
Smartbi Mining内置50+挖掘组件，丰富机器学习成熟算法，支持文本分析处理，支持使用Python扩展挖掘算法， 支持使用SQL扩展数据处理能力。
- 简单易用
业务人员也能高度参与的数据挖掘产品，分析全程可视化。采取直观的流式建模，极简风格的节点配置界面，支持可视化探索，轻松理解数据质量和数据并联，流程节点在线帮助，模型超参数自动调整。
- 能满足大型企业数据挖掘需求
...
Smartbi Mining能做到在大量数据里面，发现数据的规律并且揭示数据之间的关系，从而对以后的业务趋势进行预测，可以应用到下面各种应用场景去
6、Minging 架构
5.1 技术架构
下图是Smartbi Mining平台技术架构。主要包含：数据接入层、处理引擎层、模型应用层、访问层。
5.2 部署架构
挖掘平台部署架构如下图，产品采用分布式内存计算，可通过多节点集群支持海量数据的挖掘与分析。
