Während das Datenvolumen weiter wächst, müssen sich Analysten, Geschäftsanwender und Studenten auf immer komplexere Techniken verlassen, um aus ihren Daten aussagekräftige, umsetzbare Informationen zu extrahieren. JMP Dies ist ein Beweis dafür, dass sie die Benutzerfreundlichkeit nicht auf vorhersagende Leistung verzichten müssen: Mit JMP stehen gängige Data Mining- und Prognosetools für Schüler, Lehrer und Fachleute in einer Vielzahl von Disziplinen zur Verfügung.
Die Plattformen Partition und Stepwise Regression helfen Benutzern dabei zu bestimmen, welche der erklärenden Variablen in ihren Daten die größte Einsicht bieten, während Tools wie Principal Components Analysis und Factor Analysis den Benutzern ermöglichen, "breite" Datensätze (oft mit Dutzenden oder sogar Dutzenden) besser zu verstehen Hunderte von Variablen), indem eine Handvoll neuer Variablen konstruiert wird und dabei sehr wenig Vorhersagekraft verloren geht. Die Prognosetools von JMP, zu denen ARIMA und Modelle zur exponentiellen Glättung zählen, helfen dabei, vorherzusagen, wie die zukünftigen Werte einer Serie angesichts ihrer früheren Werte aussehen können.
Jetzt haben wir es für neue Benutzer von JMP noch einfacher gemacht, die Möglichkeiten dieser Techniken zu nutzen, indem wir unsere Sammlung von One-Page-Guides hinzufügen, die im Internet verfügbar sind Bibliothek lernen . Diese One-Page-Handbücher enthalten Anweisungen, Screenshots und Tipps zum Analysieren von Daten mit JMP. Über 40 sind bereits veröffentlicht, weitere sind unterwegs. Die neuesten Ergänzungen umfassen:
• Klassifikationsbäume
• Regressionsbäume
• ARIMA-Modelle
• Modelle glätten
• Hauptkomponentenanalyse
• Faktorenanalyse
• Clustering
• Schrittweise Regression
• Diskriminanzanalyse
• Neuronale Netze
Schau sie dir an und fang an!
