Wir haben eine so positive Resonanz auf unser Seminar am Bessere Modelle bauen Am 10. April hatten wir unser drittes mit fast 100 Teilnehmern. Es ist ein globaler Erfolg geworden und wurde weltweit bereits 20 Mal ausgeliefert. Das Seminar basiert auf dem Konzept von George Box, dass "alle Modelle falsch sind, aber einige sind nützlich", und es wird untersucht, auf welche Weise verschiedene vorausschauende Modellierungsmethoden zum Erstellen der Modelle verwendet werden können JMP Pro so nützlich wie möglich. George Box ist einer der großen Statistiker des letzten Jahrhunderts und ist leider Anfang dieses Monats verstorben, was die Veranstaltung noch schlimmer machte.
Das Seminar wurde von Sam Gardner gestartet, der dem Publikum eine Einführung in die statistische Modellierung gab und warum es wichtig ist, dies zu vermeiden Überanpassung ein Modell, weil dies dazu führen könnte, dass das Modell das Rauschen "vorhersagt", anstatt sich auf das zugrunde liegende Signal zu konzentrieren. Sie können Daten zurückhalten, um Sie bei der Auswahl des besten Modells anhand des Beispiels "Validation" in JMP Pro zu unterstützen, da diese Daten verwendet werden, um zu überprüfen, welches Modell am besten ist, indem Sie beobachten, wann der RMSE ein Minimum erreicht. Mit JMP Pro können Sie außerdem beurteilen, wie gut das Modell ist, indem Sie ein drittes "Test" -Probe aus den Daten heraushalten. Um dies zu bewerten, gibt es eine Reihe von Techniken, darunter R2 (das den Anteil der Variabilität innerhalb des Modells bewertet), AIC-, BIC-, Verwirrungsmatrizen-, ROC- und Lift-Kurven.
Sam gab eine Einführung in die Entscheidungsbäume, und Robert Anderson vom JMP UK-Team zeigte dann, wie diese in Verbindung mit dem Zurückhalten von Daten zur Validierung des Modells dazu beitragen können, Engineering-Ressourcen den richtigen Aufgaben zuzuweisen, und zwar anhand einer Halbleiterprozessstudie. Das Ergebnis war ein produktiverer Einsatz des Engineering-Aufwands, der im Vergleich zu herkömmlichen statistischen Modellierungsmethoden Zeit und Kosten sparte.
Sam folgte diesem mit einem Forschungs- und Entwicklungsbeispiel, in dem er ein lineares Regressionsmodell zur Bestimmung des Schmelzpunkts von pharmazeutischen Verbindungen basierend auf der Molekülstruktur aufbaute. Er kombinierte andere Techniken wie die explorative Datenanalyse, um wichtige Verbindungen zu identifizieren und die variable Reduktion mithilfe der Hauptkomponentenanalyse und des Clustering.
Mit JMP Pro können Sie Boosting- und Bagging-Techniken anwenden, um bessere Entscheidungsbäume zu erstellen. Robert zeigte auf, wie diese verwendet werden könnten, um ein genaueres Modell zu erstellen, das die Kundenabwanderung in einem Telekommunikationsunternehmen vorhersagt, so dass Benutzer entsprechend vermarktet werden können. Er zeigte auch, wie Sie eine interaktive Visualisierung des Modells erstellen können - das Vorhersage-Profiler in JMP (siehe Abbildung unten) - damit Sie mit der Szenarioanalyse mit Ihren Führungskräften kommunizieren und bessere Geschäftsentscheidungen treffen können
Neuronale Netze sind sehr flexible Modelle und neigen daher zu Überanpassung. Sam zeigte anhand einer Fallstudie zu finanziellem Risiko, wie man bessere neuronale Netzmodelle baut und diese miteinander vergleicht. Er sprach auch darüber, wie neuronale Netze verwendet werden, um anhand von Altdaten "Modellmodelle" zu erstellen, so dass Wissenschaftler Experimente an diesen Modellen durchführen können, wodurch Zeit und Ressourcen im Labor gespart werden. Sie finden ein Beispiel für Wie Gutes Jahr benutzt das auf unserer Website bessere Reifen entwerfen.
Im Anschluss an die Beliebtheit dieses Seminars werden wir am 1. und 7. Mai zwei Webcasts zum Aufbau besserer Modelle anbieten. Sie und Ihre Kollegen können sich über registrieren unsere Webcasts-Seite . Am 25. Juni werden wir außerdem einen eintägigen, praxisorientierten Workshop für neue Benutzer von JMP Pro abhalten. Die Plätze dazu sind streng begrenzt. Wenn Sie weitere Informationen wünschen, können Sie mich über kontaktieren Email .
