영국의 SAS 맨체스터 사무실에 금융 서비스, 마케팅, R & D 및 공공 부문의 약 40 명의 수석 애널리스트가 모여보다 나은 통계 모델을보다 쉽고 빠르게 구축하는 방법을 찾아 냈습니다. 샘 가드너 (Sam Gardner) JMP Pro , 관객에 대한 빠른 설문 조사와 함께 9 월 25 일에 세미나를 시작했으며 통계 지식이 일반적으로 적당하다는 사실을 발견했으며 청중 몇 사람이 자신의 지식을 높거나 낮게 설명했습니다. 다음 정상적인 분포!
모델링을 소개 한 후 Sam이 JMP Pro에서 시연 한 핵심 메시지는 모델을 빌드 할 때 데이터를 보류하는 것이 지나치게 적합하지 않게하는 것입니다. 대의원이 보류 데이터 크기가 얼마나 큰지에 대해 물었습니다. 진정한 통계학자인 샘은 "그것이 달려있다"고 대답했다. 시위가 진행되는 동안 샘 (Sam)과 로버트 앤더슨 (Robert Anderson) 영국 기술 대표는이 질문에 답했다.
Sam은 또한 소개를했습니다. 의사 결정 나무 , 재귀 분할, CHAID 및 CART라고도합니다. Sam은 의사 결정 트리가 트리의 분기 인 일련의 중첩 된 "if 문"에서 빌드 된 것으로 설명했습니다. 샘은 무작위적인 숲과 부스트가 더 미묘하거나 숨겨진 효과를 끌어내는 모델을 만드는 데 도움이 될 수 있다고 설명했습니다.
네 가지 사례 연구에서 :
Robert는 반도체 업계의 엔지니어링 문제를 효율적으로 해결하는 데 홀드 백 검증을 사용하는 방법을 보여주었습니다. 이 기술이 없으면 기술자는 맹목적인 뒷골목으로 내려 가서 존재하지 않는 문제에 대한 올바른 프로세스 단계를 점검함으로써 귀중한 자원을 낭비 할 수 있습니다.샘은 농업 연구 개발에서 동물 사료 보충제의 제형을 기술하기 위해 K- 폴 교차 검증이보다 견고한 단계별 회귀 모델을 구축하는 데 어떻게 사용될 수 있는지를 보여주었습니다.로버트의 다음 예제는 이동 통신사 고객이 휘젓는 경향을 살펴 보았다. 그는 얼마나 고급 모델링 기법 랜덤 포리스트와 같이 데이터의 일부분을 유지하여 모델을 중단하고 모델을 테스트 할 다른 부분을 모델에 알려줌으로써 더 나은 모델을 구축하는 데 도움이 될 수 있습니다.샘은 신경 네트워크를 사용하여 위험 응용 프로그램을위한 유연한 모델을 구축하는 방법을 보여 줬습니다. 그는 Receiver Operator Curves (ROC) 및 Lift Curves를 사용하여 모델을 평가했습니다. 그는 또한 다양한 모델을 모델 비교 플랫폼 . 그는 또한 우수한 모델을 생산하기 위해 모델 평균화를 사용하는 방법을 보여주었습니다.많은 대표단은 JMP Pro에서 모델을 만들고 비교할 수있는 속도에 놀랐다 고 전했다. 다른 사람들은 현재 가지고있는 도구로 모델을 만들 수 있지만, 다른 사람들에게 설명하기는 매우 어려웠습니다. 그들은 예측 프로파일 러가이를 수행하는 방법을 이해하고, 시나리오 또는 "what if"분석을 수행하여 임원이보다 정확한 정보를 바탕으로 의사 결정을 내릴 수있게했습니다.
모델 배포에 대해 몇 가지 질문을하고 SAS 스코어링 코드는 모델로부터 생성 될 수 있으며, 모델 방정식은 SQL과 같은 다른 언어로 쉽게 코딩 될 수 있습니다.
