ノイズの多いデータの予測モデリングこんにちは、
ノイズの多いデータに対するJMPProとJMPの利点を説明するための優れたデータセットを持っている人はいますか？
理想的には、「真実」を表す変数と「真実+ノイズ」を表す別の変数があり、JMPが「真実」をモデル化するのに十分であり、JMPProが「真実+ノイズ」をモデル化する必要があることを示すことができる必要があります。 。
注：Y（s）またはXsのノイズに関心があります。
助けてくれてありがとう。
エマニュエル
エマニュエル
Re：ノイズの多いデータの予測モデリングやあ@Emmanuel_Romeu 、
返答がないようです。 あなたがここで何を求めているのか理解するのに少し時間がかかりました。 私は今理解していると思います。
つまり、シミュレートされたYを使用したモデリングの問題と、ノイズの量が異なるこのYのバージョンを意味していると思います。 ノイズの量が増えると、JMPモデルとJMPProモデルのパフォーマンスの差が大きくなることが予想されます。 つまり、ノイズが大きくなると、JMPのモデルが過剰適合することが予想されます。 一方、JMP Proの検証では、過剰適合から保護する必要があります。
このような例はありません。 作成するのはそれほど難しいことではありません。
しかし、その違いがどれほど説得力があるかはわかりません。 私の経験では、人々はJMP Proを購入しません。これは、0.8ではなく0.9のR^2を取得できることを示しているためです。
乾杯！
フィル
Re：ノイズの多いデータの予測モデリングこんにちはフィル、
はい、これが私の目標です。 「TabletProduction」のDissolutionにランダムノイズを追加し、モデルスクリーニングを使用しましたが、残念ながら結果は期待外れです（低r²、不適切なモデル）。 ノイズの多いデータ（複数の相関応答のノイズ）を管理するのに役立つPLSの使用を検討していますが、JMPProの販売には役立ちません。
エマニュエル
Re：ノイズの多いデータの予測モデリングタブレットのデータセットは、検証を有効にするには小さすぎると思います。
このケーススタディを見たことがありますか：
https://community.jmp.com/t5/Technical-Reference-Library/High-Throughput-Screening/ta-p/385091
これを厳密にテストする時間がありませんでした。 しかし、迅速な調査から、データの比較的小さなサンプル（〜150行）でも、JMPProで検証された機械学習方法は標準モデルよりも優れているように見えました。
Re：ノイズの多いデータの予測モデリングこんにちはエマニュエル、
顧客として、私は常にJMP Proの利点の1つは、完璧なモデルを構築することではなく、検証ツールを使用してモデルの信頼性を高めることであることに気づきました。 おそらく、JMPでモデルをオーバーフィットして誤った達成感を得ることができることを示し、次にJMP Proとすべての検証ツールを使用して、オーバーフィットモデルと一般化がうまくいかないモデルをより簡単に特定できることを示すことができますか？ それはあなたが望んでいたものとは逆だと思いますが、不確実性の感覚が向上し、検証とテストのデータでモデルがどれだけうまく機能するかを理解している場合は、ProでR2を低くすることがセールスポイントになることがあります。 もちろん、すべての追加のモデリングツールを使用すると、より優れたモデルを作成できますが、最も重要なことは、これらのモデルに自信を持っていることです。
ジョセフ
Re：ノイズの多いデータの予測モデリングありがとう、ジョセフ。 「お客様の声」を聞くのは素晴らしいことです。 それは私がJMPProの見込み客にいつも言っていることです：検証によるあなたのモデルへのより多くの信頼。
