回归
回归分析是机器学习领域预测数值型数据的关键技术。通过集成线性回归、逻辑回归等多样回归模型，助力用户分析变量关系，精准预测连续型目标值，优化决策流程。
分类
分类技术用于识别数据类别，平台提供决策树、随机森林、支持向量机及神经网络等算法，支持二分类与多分类，用户可根据数据特性选择相应分类器以实现高效分类。
异常检测
异常检测技术用于识别数据集中异常点，平台集成统计与机器学习算法（如孤立森林、One-Class SVM），助力用户高效识别异常数据，优化风险管理与质量控制流程。
时间序列分析
时间序列分析探讨数据波动与趋势，平台集成时间序列分解、ARIMA模型及季节性分析工具，助力用户预测数据变化，服务金融、经济、气象等多领域决策。
聚类
聚类分析为无监督学习技术，旨在将数据样本分组，组内相似度高，组间相似度低。平台支持K-means、层次聚类及DBSCAN等算法，广泛应用于市场细分、社交网络分析等场景。
