我們對我們的研討會做出瞭如此有利的回應建立更好的模型我們在4月10日舉行了第三次會議，有近100人參加。它已成為全球成功，已在全球交付20次。該研討會以George Box的概念為基礎，即“所有模型都是錯誤的，但有些模型是有用的”，並研究瞭如何使用不同的預測建模方法來建立模型。 JMP Pro 盡可能有用。喬治盒子上個世紀早些時候是一位偉大的統計學家，遺憾的是，這個月早些時候去世了，這給這次活動帶來了痛苦。
研討會由Sam Gardner開始，他向觀眾介紹了統計建模以及避免重要性的原因過度擬合一個模型，這是因為它可能導致模型“預測”噪聲，而不是專注於基礎信號。您可以使用JMP Pro中的“驗證”示例來阻止數據以幫助您選擇最佳模型，因為此數據用於通過觀察RMSE何時達到最小值來驗證哪個模型最佳。JMP Pro還允許您通過阻止數據中的第三個“測試”樣本來評估模型的好壞程度。它有一系列評估這一點的技術，包括R2（評估模型中變異的比例），AIC，BIC，混淆矩陣，ROC和Lift曲線。
Sam介紹了決策樹，然後JMP英國團隊的Robert Anderson展示了這些，以及阻止數據驗證模型，如何使用半導體工藝工程案例研究幫助將工程資源分配給正確的任務。與傳統的統計建模方法相比，結果是更有效地利用工程工作，節省了時間和成本。
Sam通過研究和開發實例對此進行了研究，其中他建立了一個線性回歸模型，以確定基於分子結構的藥物化合物的熔點。他結合其他技術，如探索性數據分析，使用主成分分析和聚類來識別重要化合物和可變還原。
JMP Pro允許您應用增強和裝袋技術來構建更好的決策樹。Robert展示瞭如何使用這些方法來構建一個更準確的模型來預測電信公司的客戶流失，從而使用戶可以適當地進行營銷。他還展示瞭如何創建模型的交互式可視化 - 預測分析器在JMP中（見下圖） - 這樣您就可以使用場景分析與您的高管溝通並做出更好的業務決策。
神經網絡是非常靈活的模型，因此容易過度擬合。Sam使用金融風險案例研究展示瞭如何建立更好的神經網絡模型並進行比較。他還討論了神經網絡如何開始用於使用遺留數據構建“模型模型”，以便科學家可以對這些模型進行實驗，從而節省實驗室的時間和資源。你可以找到一個例子怎麼樣豐年用這個在我們的網站設計更好的輪胎。
繼本次研討會的普及之後，我們將在5月1日和7日提供兩個關於建立更好模型的網絡廣播。您和您的同事可以通過註冊我們的網絡廣播頁面 。我們還將於6月25日為JMP Pro的新用戶舉辦為期一天的實踐研討會。這方面的地方是嚴格限制的，所以如果您想了解更多詳情，可以通過以下方式與我聯繫電子郵件 。
