采矿制造业数据的危害和JMP®优势<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />布拉德利诺维奇 ，博士，PhaseTwo Analytics首席顾问
从数据汇编到分析到解释和实施结果，挖掘制造数据可能是一项艰巨的任务。制造业中的数据挖掘与市场营销或金融领域的数据挖掘不同的是，仅仅预测在制造业方面还不够好。在制造过程中，最终游戏是改进控制，这需要找到根本原因。决策树是一个很好的发现工具，但留给自己的设备可以选择变量，虽然这些变量具有预测性，但从控制的角度来看对流程工程师来说没有任何意义。这需要更加谨慎的树构建方法，这种方法由JMP分区平台中提供的逐步方法提供，并且在大多数其他决策树软件程序中不可用。本文将提供使用JMP进行制造和挖掘制造数据问题的数据挖掘成功案例。它还将演示将专家知识集成到JMP分区过程中，以处理预测变量中的相关性问题，并提供允许验证和部署结果的规则。
数据探索数据可视化预测建模
