英国の視聴者にとって都合の良いときに提示されるBuilding Better Modelsに関する2つの今後のWebキャストがあります。
初めての方 JMP Pro ウェブキャストをご覧になりたい方は 2014年10月21日 。JMP Proをすでに使用している場合は、次のWebキャストをご覧ください。 2014年10月31日あなたにぴったりです。これらのWebキャストは、予測モデリングの手法を理解するのに役立ちます。今日のデータ駆動型組織では、次のようなさまざまなモデリング手法が必要であることがわかりました。ブートストラップフォレスト（ランダムフォレスト手法） そして部分最小二乗法（PLS） どちらも多くの相関変数を持つ数値データの変数削減に特に適しています。たとえば、いくつかの組織は、時には数千にも及ぶ、応答の多数の潜在的な予測値を扱います。ブートストラップフォレストとPLSは、アナリストがノイズから信号を分離し、重要な変数をいくつか見つけるのに役立ちます。
他の組織は顧客セグメンテーションの問題を扱います。彼らは以下のテクニックを使う必要があるかもしれません。クラスター分析 、決定木そして主成分分析（PCA） 。決定木は、変数選択に特に適しています。さまざまなモデリング手法を使用すると、変数の選択が異なる可能性があります。これにより、隠された行動の要因についての有用な洞察が得られます。
消費者データは悪名高いきたない欠損値、異常値、場合によっては相関関係のある変数があります。一般的な回帰手法ではモデルを構築するときに不完全な行が除外されるため、値が欠落していると実際に問題が生じる可能性があります。この「欠け」自体は意味があります。有益な行方不明その重要性を理解するためのテクニックは、より良いモデルを作成するのに役立ちます。のようないくつかのテクニック、ブートストラップフォレストそして一般化回帰厄介なデータをシームレスに処理します。
より良いモデルを構築するための重要なステップは、使用することです。ホールドバックテクニックモデルを構築するために使用されるデータを記述するのと同様に、新しいデータに対して良い予測を与えるモデルを構築すること。モデルを検証するためにデータを抑制することは、回避することによってモデルを正直に保つのに役立ちます。オーバーフィットより正確なモデルを作成する。
アナリストは、自分の行動を可能にする方法で、自分のモデルを役員に説明することに大きなハードルがあります。 「what if」またはシナリオ分析それによって、それらにコミットする前に決定を探ります。これを行うための強力な方法は、モデルを動的にプロファイリングすることです。企業が最善のモデルを選択した後は、得点するモデルを展開する異なる部門が適切な行動を取ることができるように、既存のデータと新しいデータを作成します。
私たちはあなたがこれらのうちの1つのために私たちに加わることができると思いますライブプレゼンテーションケーススタディを使用して、これらの予測モデリング手法の使用方法を説明します。
