添付されたデータセットを操作することで、回帰、ニューラルネットワーク、決定木などの予測モデリング手法を使用して、より優れたより有用なモデルを構築する方法を学びます。JMP PROが付加価値を提供できるいくつかの例を挙げて、JMPを最大限に活用することに焦点を当てます。 データをトレーニング、検証（チューニング）、およびテストセットに分割して、過剰適合を防ぐ方法を学びます。そして、あなたは比較テクニックの使い方を見るでしょう-特にのプロット検証グループごとの実際の値と予測値-最適な予測モデルを見つけるため。このWebキャストは、予測モデリングが、より良い予測を行うために必要なデータの使用にどのように役立つかを知りたいJMPユーザーを対象としています。
応答データには、バイナリ応答（成功/失敗、受け入れ/拒否、ヒット/ミスなど）、連続応答（0と1の間の比率を含む）、およびカテゴリ応答（さまざまな種類のサイバー攻撃）が含まれます。 独立変数には、連続型および/またはカテゴリー型が含まれます。
Mastering JMPシリーズからの関連Webキャストは次のとおりです。
-予測モデリングマルコム・ムーア
-JMP Proを使用した高度なモデリングサム・ガードナー
-データマイニングと予測モデリングサム・ガードナー
-JMP 9ニューラルネットを使用した予測モデリングサム・ガードナー
この分野の優れた参考書は次のとおりです。
JMPによる予測分析の基礎 、KlimbergとMcCulloughによる-すべての例はJMPで動作しました
統計学習の要素 Hastie、Tibshirani、Friedmanによる-信頼できる、数学的に深い
上記のリンクをクリックすると、書籍に関連付けられたデータセットに移動します。
以下は、6つのモデルのバイナリ応答とバイナリ予測の実際の対予測散布図行列です。
以下は、6つの説明的要因を持つ3つの異なるタイプのモデルに対する同じ応答の予測プロファイラーです。
以下は実際の パーティションモデルの検証グループによるグラフビルダーの予測プロット。
