Stufe: Fortgeschritten
Jobfunktion: Analyst / Wissenschaftler / Ingenieur
Industrie: Branchenübergreifend
Chris Gotwalt, JMP-Direktor für statistische Forschung und Entwicklung, SAS
In diesem Lernprogramm geben wir einen allgemeinen Überblick über die Anwendung von Machine Learning-Methoden mit den Tools in JMP Pro. Die grundlegende Idee ist, dass die grundlegenden Werkzeuge des maschinellen Lernens die Modellierung tatsächlich einfacher machen als frühere Ansätze zur Modellierung von Daten. Zunächst werden die grundlegenden Konzepte für die Auswahl von Modellen in einem Machine Learning-Framework vorgestellt. Anschließend wird gezeigt, wie Sie dies mit dem Hilfsprogramm Make Validation Column einrichten. Anschließend werden wir ADI demonstrieren, einen neuen Ansatz für fehlende Datenimputation, der in JMP Pro 14 hinzugefügt wurde. Anschließend werden die wichtigsten Plattformen für maschinelles Lernen in JMP Pro veranschaulicht: Neural, Partition und Generalized Regression. Am Ende werden wir Modellvergleich verwenden, um eine endgültige Entscheidung darüber zu treffen, welches Modell verwendet werden soll, und das Formula Depot zum Erstellen von Bewertungscode für die Verwendung des Modells außerhalb von JMP Pro zu verwenden. Wir werden die einzigartige Interaktivität in JMP und seine enge Verbindung zwischen Daten und Diagrammen veranschaulichen. Dadurch wird der Entscheidungsprozess für die Modellierung intuitiv und transparent, und außerdem wird ein "Einblick in die Black Box" von Machine Learning-Modellen auf eine andere Art und Weise ermöglicht Produkt kann.
