첨부 된 데이터 세트를 사용하여 회귀, 신경망 및 의사 결정 트리와 같은 예측 모델링 기술을 사용하여 더 좋고 더 유용한 모델을 구축하는 방법을 배우게됩니다. JMP PRO가 추가 가치를 제공 할 수있는 몇 가지 예를 통해 JMP를 최대한 활용하는 데 초점을 맞출 것입니다. 과적 합을 방지하기 위해 데이터를 훈련, 검증 (튜닝) 및 테스트 세트로 분할하는 방법을 배웁니다. 비교 기법을 사용하는 방법을 볼 수 있습니다. 특히 플롯 검증 그룹 별 실제 값과 예측 값-최상의 예측 모델을 찾습니다. 이 웹 캐스트는 예측 모델링이 더 나은 예측을 위해 가지고있는 데이터를 사용하는 데 어떻게 도움이되는지 배우고 자하는 JMP 사용자를위한 것입니다.
응답 데이터에는 이진 응답 (통과 / 실패, 수락 / 거부, 적중 / 실패 등), 연속 응답 (0과 1 사이의 비율 포함) 및 범주 형 응답 (다른 유형의 사이버 공격)이 포함됩니다. 독립 변수에는 연속 형 및 / 또는 범주 형이 포함됩니다.
Mastering JMP Series의 관련 웹 캐스트는 다음과 같습니다.
-예측 모델링 작성자 : Malcolm Moore
-JMP Pro를 사용한 고급 모델링 작성자 : Sam Gardner
-데이터 마이닝 및 예측 모델링 작성자 : Sam Gardner
-JMP 9 신경망을 사용한 예측 모델링 작성자 : Sam Gardner
이 분야의 좋은 참고 서적은 다음과 같습니다.
JMP를 사용한 예측 분석의 기초 , by Klimberg 및 McCullough-모든 예제는 JMP로 작업했습니다.
통계적 학습의 요소 Hastie, Tibshirani 및 Friedman 작성-권위 있고 수학적으로 더 깊음
위의 링크는 책과 관련된 데이터 세트로 연결됩니다.
아래는 6 개 모델에 대한 이진 응답 대 이진 예측의 실제 대 예측 산점도 행렬입니다.
다음은 6 개의 설명 요인이있는 세 가지 유형의 모델에 대한 동일한 반응에 대한 예측 프로파일 러입니다.
아래는 실제와 파티션 모델에 대한 유효성 검사 그룹 별 그래프 빌더의 예측 플롯.
