加强“大数据”项目 加强“大数据”项目
Ronald Snee，博士，Snee Associates 总裁
Richard De Veaux，C. Carlisle 和 Margaret Tippit 统计学教授，威廉姆斯学院
Roger Hoerl，博士，联合学院助理教授
JMP 提供了许多高级工具来分析海量数据集，包括分区、神经和 k 均值聚类。这些工具不仅为专业统计人员提供了强大的统计方法，也为临时用户提供了强大的统计方法。与任何工具一样，预期的结果与用户的知识和技能成正比。不幸的是，很多数据挖掘、机器学习和“大数据”文献可能会给普通用户的印象是，如果一个人拥有足够强大的算法和大量数据，就可以保证好的模型和好的结果。本次会议将重点讨论我们认为在文献中未得到重视的三个重要原则： 使用顺序方法进行科学研究的重要性，而不是“一次性研究”；需要以主题理论为指导进行经验建模，包括在产生数据的过程和测量系统的背景下解释数据；以及典型的未说明的假设，即所有数据都是平等的，因此数据数量比数据质量更重要。我们将讨论忽略这些基础知识时可能出现的问题，并分享我们关于如何改进数据挖掘项目的想法和经验。
预测建模
