回复：異常檢測和JMP®Pro（2019-US-45MP-218）非常感謝您提供此資源！我對獲取AUC for Precision曲線有疑問。我在停止器上安裝了R，並且在運行不平衡數據腳本時，它會開始創建數據集，然後說“獲取Precison Curve的AUC值”。它使您停留大約10-145秒，然後彈出JMP錯誤。它不會創建任何類型的報告。在安裝R之前，它會創建報告（就像顯示Powerpoint一樣），但不會計算精度曲線的AUC值。我究竟做錯了什麼？希望有那些自動計算。
謝謝
回复：異常檢測和JMP®Pro（2019-US-45MP-218）嗨，納塔利婭，
謝謝您使用我們的腳本！聽起來好像問題與R安裝有關。 在當前發布的腳本版本中，我們從R獲取精確調用曲線AUC值。但是，我們有一個腳本的新版本完全不使用R，並且具有其他功能，但是可能需要JMP 15運行。
如果您願意，我可以將該版本作為附件發送給您。 但是，我看不到通過JMP社區將文件附加到此電子郵件的方法。 如果您可以向我發送您的電子郵件地址，那麼我可以向您發送新加載項的草稿。 我的E-mail地址是 mgaudard@tampabay.rr.com。
- 瑪麗
回复：異常檢測和JMP®Pro（2019-US-45MP-218）嗨，納塔利婭，
我只是想讓您知道，圖森會議的不平衡數據腳本現在已經打包到一個加載項中，您可以在這裡找到它：
不平衡分類加載項 。 該外接程序具有擴展的功能：除其他功能外，它不依賴於R，它對包含名義和有序預測變量的數據集執行SMOTE，Tomek和SMOTE加Tomek採樣，並且通過對話框的“幫助”按鈕提供了廣泛的文檔。。
我們希望您覺得它有用！
瑪麗
異常檢測和JMP®Pro（2019-US-45MP-218）級別：高級
邁克爾·克羅蒂（Michael Crotty）， @michael_jmp ，JMP SAS高級統計作家
Colleen McKendry， @cozmck ，JMP技術作家，SAS
瑪麗·高達（Marie Gaudard）， @marie_gaudard ，統計顧問
在異常檢測是預測模型的目標的情況下，基礎數據通常表現出不平衡的類分佈。即，異常類別明顯小於非異常類別。建模目標通常是確定少數群體的成員。但是，預測建模技術的直接應用可能會導致模型有偏差和不准確。已經提出了許多技術來解決這些問題。我們尋求指導JMP Pro用戶開發不平衡數據的預測模型。我們致力於將JMP Pro分類為代表性不足的類的方法。我們首先描述不平衡類問題的一般方面：偏差，性能度量和解決建模問題的方法。然後，我們討論我們在研究中使用的抽樣方法；這些包括加權，欠採樣，過採樣和合成少數過採樣技術（SMOTE）。對於表現出不同類別比例的幾個真實數據集，我們將結合使用這些採樣方法和JMP Pro分類平台中可用的預測模型獲得的擬合進行比較。我們對有限範圍的模擬數據集進行了類似的採樣技術和預測模型探索。對於模擬數據集，我們嘗試確定標準模型開始受到類不平衡影響的代表性不足的程度。我們還提出了有關抽樣方法和預測模型的相對性能的結論。
現在提供了執行此演示文稿中討論的分析的加載項： 不平衡分類加載項 。 外接程序擴展了Scripts_and_Results.zip中找到的腳本的功能。 除其他功能外，該加載項不依賴於R，它對包含名義和有序預測變量的數據集執行SMOTE，Tomek和SMOTE加上Tomek採樣，並且通過對話框的“幫助”按鈕提供了廣泛的文檔。
爆發視頻
