您如何知道哪种建模方法最适合您的数据？为了获得最大的成功机会，您需要构建多个预测模型，进行比较，然后选择最佳模型中的最佳模型，甚至组合使用。 在2月25日的技术演讲活动中，凯末尔·奥弗鲁斯（Kemal Oflus）演示了如何使用机器学习方法而无需使用您的主题专业知识来编写和调整算法-最终更快地做出更好的决策。
该活动吸引了1,300多名注册参与者，并在Salesforce中获得了400多名新联系人。 当我们的JMP销售团队准备与注册参加者进行活动后讨论时，建议您考虑考虑以下（或全部）一些资源建议。
如果您对这些建议有任何疑问，请通过x11276与我联系。
谢谢
拉里
2021年2月25日，更快地建立和选择更好的模型（现场活动）
2021年2月25日，更快地建立和选择更好的模型（按需输入）
对于初学者，请考虑分享“ New In JMP16”页面。 JMP 16中的新模型筛选功能使用户可以自动适合多个预测模型并帮助选择性能最佳的模型和模型所有具有默认或调整参数的分类或连续响应的可用预测模型。 资源将继续添加到此页面（包括一个新的1分钟的精彩视频）。 现在可用他的Mia Stephens的精彩博客-它详细介绍了JMP Pro 16中的模型筛选。
其他资源包括：
建立更好的模型–五部分网络研讨会系列
尽管这是一个相当大的承诺，因为它包含的内容如此之多，但是这个由五部分组成的网络研讨会系列是对Kemal内容的一个很好的跟进。 该系列向您展示了如何使用诸如回归，神经网络和决策树之类的现代预测建模技术来构建更好，更有用的模型。 单击上面的链接可以访问登录页面。 可以使用这些链接访问各个网络研讨会。 （大多数包括案例研究。）
了解构建预测模型的原则
该网络研讨会可帮助与会人员了解有效模型构建的基础。 涵盖许多主题，包括线性回归，逐步回归，广义回归，惩罚回归，决策树，自举森林，增强树和神经网络。 还包括有关测试集的重要性以及如何使用它们以及比较和选择模型的讨论。 （网络研讨会使用JMP 14和JMP Pro14。）
使用JMP Pro构建更好的预测模型
在2020年8月的网络研讨会上，Andrea Coombs展示了JMP Pro的预测建模功能和基本的预测模型类型，并帮助用户理解建议的工作流程以及在每个步骤中使用哪种模型。 网络研讨会包括一个案例研究（糖尿病疾病进展）。 还包括有关变量选择的讨论，使用自适应套索估计方法构建广义回归模型以及构建包括变量选择过程中确定的风险因素的多个候选预测模型（Bootstrap Forest和Boosted Tree）。 最后进行超过5分钟的问答。
通过机器学习解决科学和工程问题，Stat演讲活动
非常强大的资源，高质量的资源。 这是一次欧洲统计演讲活动，因此包括来自欧洲的演讲者，但包括深度学习的深入讨论（主题演讲），与Dick DeVeaux进行的AI以及强大的团队。
什么是机器学习（JMP可以做到）， JMP博客
1个英石Elizabeth Claassen博客系列的一部分。 围绕机器学习的概念进行了很好的介绍性讨论，并概述了JMP可以完成的所有不同机器学习算法。 推广免费试用。
数据挖掘和预测建模，JMP教程
该JMP教程包括一个制造案例研究，并包括使用Graph Builder和Prediction Profiler和JMP Pro进行的多种技术的演示。 讨论与机器学习和AI有关的主题，包括回归，Bootstrap Forest和Boosted Trees（决策树）和神经网络。
使用JMP Pro构建更好的模型，由Jim Grayson，Mia L. Stephens和Sam Gardner撰写
在这里推荐两种资源。
- 首先是免费的一章，发布到我们的JMP资源中心。 第7章从使用JMP®Pro构建更好的模型通过案例研究，图形和练习演示了神经网络的“内容，原因和方式”。 本书专为可能没有扎实的统计背景但需要能够轻松应用分析方法来解决业务问题的业务分析师，经理和从业人员而设计。
- 第二本是SAS Press的全文，可以从SAS Press购买。
此外，这些会议还包括有关基于树的模型和神经网络的讨论-您可能还需要考虑共享这些内容：
理解和应用基于树的预测器筛选和建模方法，掌握JMP网络研讨会
使用神经网络模型发现和预测模式，掌握JMP网络研讨会
