本物の効果を見逃すのは悪いことですが、誤った効果を特定することはさらに悪いことですRobert Anderson JMP シニア システム エンジニア
科学者とエンジニアは、プロセスまたは製品に最適なモデルを見つけ、どの要素が本当に重要でどれがそうでないかを正しく識別できる必要があります。 多くの場合、最大の懸念は、重要または重要な要素を見逃すことです。 しかし、より潜行的で潜在的に悪い問題は、統計モデリング手法が、統計的に有意であるが真にアクティブではない要因を頻繁に特定することです。 これらの非本物の効果の識別は、これらの誤った効果のさらなる調査に浪費されている貴重な科学的および工学的資源をもたらします. 欠陥のあるモデルと非本物の効果が認識されるまでには、かなりの時間とリソースが必要になる場合があります。 JMP Pro のホールドバック検証方法論は、比較的小さなデータセットであっても、このモデルの過適合問題を抑制する強力な方法を提供します。 このホワイト ペーパーでは、シミュレートされたデータ セットを使用して、非本物の影響を検出する問題がどの程度の頻度で簡単に発生するか、およびホールドバック検証がこの問題を効果的に抑制する方法を示します。 ただし、ホールドバック検証は特効薬ではなく、うまく機能しない例もいくつか示します。
予測モデリング
