神经网络是一种复杂的预测建模技术，可增强决策过程。它使用算法协作来识别模式，识别数据簇并将其分类为可变数据集。
每个神经网络都有三层：
输入层——将数据传输到下一层
隐藏层——这是复杂函数生成预测因子的地方
输出层——从预测器收集数据并为用户提供综合结果
神经网络是对数据进行聚类的完美工具，不会出现数据丢失或泄漏。
决策树
决策树是一种机器学习算法，它收集多个数据源并 美籍华人数据 将其绘制成树状结构。决策图会分析不同的决策并将其分为可能的结果，以使每个决策与潜在后果相匹配。
决策树非常适合将组织数据转化为可操作的见解，以改善协作并确保公司每个部门都达成共识。
异常值模型
离群值模型会分析数据集以识别其中的离群或异常信息。这对于确保整个管道中的数据集准确且最新非常有用。
异常值模型非常适合检测欺诈行为并防止金融交易期间的未经授权的访问。
聚类模型
聚类模型是用于对数据进行分类的极好的预测模型。它们可以帮助您分离数据集并根据相似属性对其进行分组。
聚类模型将从每个组获取数据并进行大规模聚类，以帮助您评估每个聚类的潜在结果。
这种预测模型非常适合根据特定人口统计数据定制营销活动。