• 预测软件可以采用各种各样的分支机构的人类活动，从高科技生物学分析到简单的游戏。 虽然结果在很大程度上取决于潜在的输入假定，急剧增加在使用这些工具已经目睹了在最近和GMDH简化(原GMDH壳)是一个实际的预测计划，旨在利用这一趋势。

    该应用程序提供两个模块，一个面向商业的环境，而其他更适合于科学的统计分析。 "业务预测"模块是最好的用于销售或需求预测，虽然"数据的科学"的组成部分是更加依赖回归模型，因此最好用于应急的分析。

    这就是说，两个，都是具体的应用程序的一个共同的框架内，作为整体的感觉和权力的程序是相同的，在这两个应用程序。 如有任何统计程序、工具需要来源为所有输入数据和可行的选择很简单CSV，TXT或Excel文件，以及ODBC或OLEDB连接。

    程序自动提取所有有效的信息来源的集装箱和一个"数据浏览器"允许用户查看他们输入的信息。 这一步骤不应当掉以轻心，作为性能的输出模型取决于健全的源数据。

    一个内建的向导将指导用户通过所有必要步骤，虽然其中一个还可以执行的任何调整被视为正确的输入变量。 各种变革可以应用于该目标的价值观，诸如衍生物的平均数或重量的时间和创建预测需要只有那一个点击"预测"。

    线性回归方程和数据的情节是自动产生，用户还可以节省图以当地PNG或矢量的电磁场文件。

    最后，GMDH简化是一个全面和实用的工具，用于任何有需要的预测应用程序。 该程序允许其用户负荷的数据集，从当地TXT或CSV文件，以及从ODBC或OLEDB连接和创建预测模型，完全用数据图。

  • भविष्यवाणी सॉफ्टवेयर में कार्यरत हो सकते हैं की एक विस्तृत विविधता की शाखाओं, मानव गतिविधि से उच्च तकनीक जैविक विश्लेषण करने के लिए सरल खेल. हालांकि परिणाम पर काफी हद तक निर्भर इनपुट अंतर्निहित मान्यताओं, एक तेजी से वृद्धि में इन उपकरणों का उपयोग किया गया है देखा हाल के समय में और GMDH को कारगर बनाने के (पूर्व GMDH खोल) है एक व्यावहारिक भविष्यवाणी कार्यक्रम का प्रयास है कि को भुनाने के लिए इस पर प्रवृत्ति है ।

    आवेदन विशेषताएं दो मॉड्यूल, एक दिशा में सक्षम कारोबारी माहौल है, जबकि अन्य के लिए बेहतर अनुकूल वैज्ञानिक, सांख्यिकीय विश्लेषण. "व्यापार के पूर्वानुमान" मॉड्यूल है, कार्यरत सर्वोत्तम बिक्री के लिए या मांग पूर्वानुमान, जबकि "डाटा विज्ञान" घटक पर अधिक निर्भर प्रतिगमन मॉडल है और इस प्रकार सबसे अच्छा के लिए इस्तेमाल किया आकस्मिकता विश्लेषण करती है ।

    कहा जा रहा है कि, दो बस रहे हैं विशिष्ट अनुप्रयोगों की एक सामान्य रूपरेखा है, के रूप में समग्र लग रहा है और शक्ति कार्यक्रम के समान है दोनों में अनुप्रयोगों. के रूप में किसी भी सांख्यिकीय कार्यक्रम के साथ, उपकरण की आवश्यकता है के एक स्रोत के लिए सभी इनपुट डेटा और व्यवहार्य विकल्प हैं सरल सीएसवी, TXT या एक्सेल दस्तावेज़ों के रूप में अच्छी तरह के रूप में ODBC या OLEDB कनेक्शन है ।

    प्रोग्राम स्वचालित रूप से सभी निष्कर्षों को मान्य जानकारी से स्रोत कंटेनर और एक "डेटा एक्सप्लोरर" टैब उपयोगकर्ताओं की अनुमति देता है की जाँच करने के लिए उनके इनपुट के बारे में जानकारी । इस कदम से नहीं लिया जाना चाहिए हल्के से, के प्रदर्शन के रूप में उत्पादन मॉडल की टुकड़ी पर सुदृढ़ता के स्रोत डेटा ।

    एक निर्मित में जादूगर के माध्यम से गाइड प्रयोक्ताओं के लिए सभी आवश्यक कदम है, हालांकि एक प्रदर्शन कर सकते हैं किसी भी समायोजन समझा सही पर इनपुट चर. विभिन्न परिवर्तनों को लागू किया जा सकता करने के लिए लक्ष्य मूल्यों, इस तरह के डेरिवेटिव के रूप में, औसत या वजन द्वारा समय और बनाने की भविष्यवाणियों की आवश्यकता है कि केवल एक क्लिक पर "पूर्वानुमान" बटन.

    रेखीय प्रतिगमन समीकरण और डेटा भूखंडों स्वतः उत्पन्न कर रहे हैं और उपयोगकर्ताओं को भी विकल्प की बचत रेखांकन करने के लिए स्थानीय PNG या ईएमएफ वेक्टर फ़ाइलें ।

    में निष्कर्ष है, GMDH को कारगर बनाने के लिए एक व्यापक और व्यावहारिक उपकरण के लिए की जरूरत में किसी एक भविष्यवाणी आवेदन है । कार्यक्रम की अनुमति देता है अपने उपयोगकर्ताओं को लोड करने के लिए डेटासेट से स्थानीय TXT या सीएसवी दस्तावेज के रूप में के रूप में अच्छी तरह से ODBC या OLEDB कनेक्शन बनाने और भविष्य कहनेवाला मॉडल के साथ पूरा डेटा भूखंडों ।

  • Forecasting software can be employed in a wide variety of branches of human activity, from high-tech biological analyses to simple games. Although the results depend largely on the underlying input assumptions, a sharp increase in the use of these tools has been witnessed in recent times and GMDH Streamline (formerly GMDH Shell) is a practical prediction program that seeks to capitalize upon this trend.

    The application features two modules, one geared towards the business environment while the other is better suited for scientific statistical analyses. The “Business Forecasting” module is best employed for sales or demand forecasting, while the “Data Science” component is more reliant on regression models and is thus best used for contingency analyses.

    That being said, the two are just specific applications of a common framework, as the overall feel and power of the program is identical in both applications. As with any statistical program, the tool requires a source for all the input data and viable options are simple CSV, TXT or Excel documents, as well as ODBC or OLEDB connections.

    The program automatically extracts all the valid information from source containers and a “Data Explorer” tab allows users to check their input information. This step should not be taken lightly, as the performance of the output model is contingent upon the soundness of the source data.

    A built-in wizard guides users through all the necessary steps, although one can also perform any adjustments deemed correct on the input variables. Various transformations can be applied to the target values, such as derivatives, averages or weights by time and creating predictions requires only that one clicks on the “Forecast” button.

    Linear regression equations and data plots are automatically generated and users also have the option of saving the graphs to local PNG or vector EMF files.

    In conclusion, GMDH Streamline is a comprehensive and practical tool for anyone in need of a forecasting application. The program allows its users to load datasets from local TXT or CSV documents, as well as from ODBC or OLEDB connections and create predictive models, complete with data plots.