异常检测和 JMP(R) Pro ( 2019-EU-45MP-115 )级别：中级
工作职能：分析师/科学家/工程师
Michael Crotty，JMP 高级统计作家，SAS
Marie Gaudard，统计顾问
Colleen McKendry，JMP 技术作家，SAS
最佳邀请论文入围
在异常检测是预测模型目标的情况下，基础数据通常表现出不平衡的类别分布。 即，异常类明显小于非异常类。 建模目标通常是识别少数类的成员。 然而，预测建模技术的直接应用可能会导致有偏差和不准确的模型。 已经提出了许多技术来解决这些问题。 我们寻求指导 JMP Pro 用户开发不平衡数据的预测模型。 我们使用 JMP Pro 方法来分类到代表性不足的类别。 我们首先描述不平衡类问题的一般方面：偏差、性能测量和解决建模问题的方法。 然后我们讨论我们在研究中使用的抽样方法；这些包括加权、欠采样、过采样和合成少数过采样技术 (SMOTE)。 对于显示不同类别比例的几个真实数据集，我们将使用这些抽样方法获得的拟合与 JMP Pro 分类平台中提供的预测模型进行比较。 我们对有限范围的模拟数据集进行了类似的抽样技术和预测模型探索。 对于模拟数据集，我们试图确定标准模型开始受到类不平衡影响的代表性不足的程度。 我们还提出了有关抽样方法和预测模型的相对性能的结论。
现在可以使用执行本演示文稿中讨论的分析的插件：不平衡分类加载项.该插件扩展了 Scripts_and_Results.zip 中脚本的功能。除其他功能外，该插件不依赖于 R，它对包含名义和有序预测变量的数据集执行 SMOTE、Tomek 和 SMOTE 加 Tomek 采样，并通过对话框的“帮助”按钮提供大量文档。
峰会最佳爆发数据探索预测建模回复：异常检测和 JMP(R) Pro ( 2019-EU-45MP-115 )我不知道 JMP Pro 中有什么内置的东西可以处理实时传感器数据，但是通过一些脚本，我相信你可以做到。 对于更大的 JMP 社区来说，这将是一个很好的问题。
感谢您的关注和提问！
迈克尔
回复：异常检测和 JMP(R) Pro ( 2019-EU-45MP-115 )谢谢。这真的很棒而且很有帮助！
一个问题，JMPpro可以用于实时异常检测（例如传感器数据）吗？
谢谢你！
