Abbiamo avuto una risposta così favorevole al nostro seminario Costruire modelli migliori che abbiamo tenuto il nostro terzo il 10 aprile, con quasi 100 persone presenti. È diventato un successo globale, essendo stato consegnato 20 volte in tutto il mondo. Il seminario si basa sul concetto di George Box secondo cui "tutti i modelli sono sbagliati, ma alcuni sono utili" e indaga su come i diversi metodi di modellazione predittiva possano essere usati per costruire i modelli costruiti da JMP Pro il più utile possibile. George Box è uno dei grandi statistici del secolo scorso e, purtroppo, è deceduto all'inizio di questo mese, il che ha aggiunto intensità al fatto.
Il seminario è stato avviato da Sam Gardner, che ha offerto al pubblico un'introduzione alla modellazione statistica e perché è importante evitare overfitting un modello, perché potrebbe portare al modello "a prevedere" il rumore, piuttosto che concentrarsi sul segnale sottostante. È possibile trattenere i dati per aiutare a selezionare il modello migliore utilizzando l'esempio "Validazione" in JMP Pro, poiché questi dati vengono utilizzati per convalidare quale modello è migliore osservando quando RMSE è al minimo. JMP Pro consente inoltre di valutare l'idoneità del modello trattenendo un terzo campione "Test" dai dati. Ha una gamma di tecniche per valutare questo, compreso R2 (che valuta la proporzione di variabilità all'interno del modello), AIC, BIC, Matrici di confusione, curve ROC e Lift.
Sam ha presentato un'introduzione agli alberi decisionali, e Robert Anderson del team britannico di JMP ha poi mostrato come questi, insieme al trattenimento dei dati per convalidare il modello, possono aiutare a allocare risorse ingegneristiche alle attività giuste, utilizzando un case study di ingegneria dei processi a semiconduttore. Il risultato è stato un utilizzo più produttivo dello sforzo ingegneristico, risparmiando tempo e costi, rispetto ai metodi di modellazione statistica tradizionali.
Sam ha seguito questo con un esempio di ricerca e sviluppo, in cui ha costruito un modello di regressione lineare per determinare il punto di fusione dei composti farmaceutici basati sulla struttura molecolare. Ha combinato altre tecniche come l'analisi dei dati esplorativi per identificare composti importanti e la riduzione variabile utilizzando l'analisi delle componenti principali e il clustering.
JMP Pro ti consente di applicare tecniche di potenziamento e insaccamento per costruire alberi decisionali migliori. Robert ha mostrato come questi potrebbero essere utilizzati per costruire un modello più accurato che preveda la perdita di clienti in un'azienda di telecomunicazioni, in modo che gli utenti possano essere commercializzati in modo appropriato. Ha anche mostrato come è possibile creare una visualizzazione interattiva del modello: il Profiler di previsione in JMP (vedi immagine sotto) - in modo che tu possa utilizzare l'analisi degli scenari per comunicare con i tuoi dirigenti e raggiungere migliori decisioni di business.
Reti neurali sono modelli molto flessibili e quindi sono inclini al sovradattamento. Sam ha mostrato come costruire migliori modelli di rete neurale e confrontarli, usando un caso di studio sul rischio finanziario. Ha anche parlato di come le reti neurali stanno iniziando a essere utilizzate per costruire "modelli di modelli" utilizzando i dati legacy, in modo che gli scienziati possano condurre esperimenti su tali modelli, risparmiando tempo e risorse in laboratorio. Puoi trovare un esempio di Come Buon anno usa questo progettare pneumatici migliori sul nostro sito
In seguito alla popolarità di questo seminario, offriremo due webcast sulla costruzione di modelli migliori il 1 ° e il 7 maggio. Tu e i tuoi colleghi potete registrarvi tramite la nostra pagina webcast . Organizzeremo inoltre un workshop pratico di un giorno, il 25 giugno, per i nuovi utenti di JMP Pro. I posti su questo sono strettamente limitati, quindi se desideri ulteriori dettagli, puoi contattarmi via e-mail .
