數據挖掘中的偏差調整：氡和臭氧的局部控制分析<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />斯坦利楊 stanyoung ，博士，首席執行官，CGStat LLC
Bob Obenchain博士，風險福利統計有限責任公司首席顧問
Goran Krstic，弗雷澤衛生局
大型（觀察性）數據集通常提供研究機會，但也存在可能導致錯誤聲明的問題。 在大數據中，隨著樣本量的增加，效應估計的標準誤差變為零，因此即使很小的偏差也會導致聲明（但是錯誤）聲明。 此外，當與混雜因素相互作用產生影響大小的局部變異時，治療的平均值幾乎毫無意義。 數據挖掘者需要統計方法，可以簡單有效地處理這些偏見來源。 在這裡，我們演示瞭如何使用JMP插件，Moving Median和一個新的JMP平台Local Control來分析兩個數據集。 我們的第一個案例研究表明減少了環境流行病學數據集中的偏差。我們的第二項研究在時間序列空氣質量示例中使用本地控制。 通過檢測交互，數據挖掘者可以產生更現實和更相關的分析，從而減少大數據的多樣性和異質性所隱含的偏差。
預測建模
