您如何知道哪種建模方法最適合您的數據？為了獲得最大的成功機會，您需要構建多個預測模型，進行比較，然後選擇最佳模型中的最佳模型，甚至組合使用。 在2月25日的技術演講活動中，凱末爾·奧弗魯斯（Kemal Oflus）演示瞭如何使用機器學習方法而無需使用您的主題專業知識來編寫和調整算法-最終更快地做出更好的決策。
該活動吸引了1,300多名註冊參與者，並在Salesforce中獲得了400多名新聯繫人。 當我們的JMP銷售團隊準備與註冊參加者進行活動後討論時，建議您考慮考慮以下（或全部）一些資源建議。
如果您對這些建議有任何疑問，請通過x11276與我聯繫。
謝謝
拉里
2021年2月25日，更快地建立和選擇更好的模型（現場活動）
2021年2月25日，更快地建立和選擇更好的模型（按需輸入）
對於初學者，請考慮分享“ New In JMP16”頁面。 JMP 16中的新模型篩選功能使用戶可以自動適合多個預測模型並幫助選擇性能最佳的模型和模型所有具有默認或調整參數的分類或連續響應的可用預測模型。 資源將繼續添加到此頁面（包括一個新的1分鐘的精彩視頻）。 現在可用他的Mia Stephens的精彩博客-它詳細介紹了JMP Pro 16中的模型篩選。
其他資源包括：
建立更好的模型–五部分網絡研討會系列
儘管這是一個相當大的承諾，因為它包含的內容如此之多，但是這個由五部分組成的網絡研討會系列是Kemal內容的一個很好的跟進。 該系列向您展示瞭如何使用諸如回歸，神經網絡和決策樹之類的現代預測建模技術來構建更好，更有用的模型。 單擊上面的鏈接可以訪問登錄頁面。 可以使用這些鏈接訪問各個網絡研討會。 （大多數包括案例研究。）
了解構建預測模型的原則
該網絡研討會可幫助與會人員了解有效模型構建的基礎。 涵蓋許多主題，包括線性回歸，逐步回歸，廣義回歸，懲罰回歸，決策樹，自舉森林，增強樹和神經網絡。 還包括有關測試集的重要性以及如何使用它們以及比較和選擇模型的討論。 （網絡研討會使用JMP 14和JMP Pro14。）
使用JMP Pro構建更好的預測模型
在2020年8月的網絡研討會上，Andrea Coombs展示了JMP Pro的預測建模功能和基本的預測模型類型，並幫助用戶理解建議的工作流程以及在每個步驟中使用哪種模型。 網絡研討會包括一個案例研究（糖尿病疾病進展）。 還包括有關變量選擇的討論，使用自適應套索估計方法構建廣義回歸模型以及構建包括變量選擇過程中確定的風險因素的多個候選預測模型（Bootstrap Forest和Boosted Tree）。 最後進行超過5分鐘的問答。
通過機器學習解決科學和工程問題，Stat演講活動
非常強大的資源，高質量的資源。 這是一次歐洲統計演講活動，因此包括來自歐洲的演講者，但包括深度學習的深入討論（主題演講），與Dick DeVeaux進行的AI以及強大的團隊。
什麼是機器學習（JMP可以做到）， JMP博客
1個英石Elizabeth Claassen博客系列的一部分。 圍繞機器學習的概念進行了很好的介紹性討論，並概述了JMP可以完成的所有不同機器學習算法。 推廣免費試用。
數據挖掘和預測建模，JMP教程
該JMP教程包括一個製造案例研究，並包括使用Graph Builder和Prediction Profiler和JMP Pro進行的多種技術的演示。 討論與機器學習和AI有關的主題，包括回歸，Bootstrap Forest和Boosted Trees（決策樹）和神經網絡。
使用JMP Pro構建更好的模型，由Jim Grayson，Mia L. Stephens和Sam Gardner撰寫
在這裡推薦兩種資源。
- 首先是免費的一章，發佈到我們的JMP資源中心。 第7章從使用JMP®Pro構建更好的模型通過案例研究，圖形和練習演示了神經網絡的“內容，原因和方式”。 本書專為可能沒有紮實的統計背景但需要能夠輕鬆應用分析方法來解決業務問題的業務分析師，經理和從業人員而設計。
- 第二本是SAS Press的全文，可以從SAS Press購買。
此外，這些會議還包括有關基於樹的模型和神經網絡的討論-您可能還需要考慮共享這些內容：
理解和應用基於樹的預測器篩选和建模方法，掌握JMP網絡研討會
使用神經網絡模型發現和預測模式，掌握JMP網絡研討會
