用于連續(xù)值預(yù)測(cè)，可自動(dòng)進(jìn)行任務(wù)理解，分析選擇最適合的回歸模型集合，并融合多個(gè)模型來(lái)提升回歸預(yù)測(cè)精度

用于離散值的預(yù)測(cè)，如：不同類(lèi)別或標(biāo)簽；基于任務(wù)理解和模型選擇推薦能力，可自動(dòng)選擇多個(gè)分類(lèi)模型并基于動(dòng)態(tài)圖算法進(jìn)行融合，來(lái)提升預(yù)測(cè)性能

利用過(guò)去數(shù)據(jù)預(yù)測(cè)未來(lái)趨勢(shì)；可基于時(shí)間維度進(jìn)行自動(dòng)任務(wù)理解和輔助特征工程，來(lái)提升時(shí)間序列類(lèi)任務(wù)的精度

用于預(yù)測(cè)數(shù)據(jù)集中的異常數(shù)據(jù)點(diǎn)；可通過(guò)學(xué)習(xí)正常數(shù)據(jù)的特征分布規(guī)律來(lái)建立基準(zhǔn)模型，可融合多個(gè)基準(zhǔn)模型提升預(yù)測(cè)精度并減少誤報(bào)和漏報(bào)的情況