어떤 통계 소프트웨어보다도 JMP와 JMP Pro는 AICc 및 BIC와 같은 모델 선택 기준을 엄청나게 활용합니다. 이러한 도구는 기능 분석을 위한 분포를 선택하는 사용자부터 선형 혼합 모델 또는 기능 DOE 분석에서 입력 요소를 선택하는 고급 사용자에 이르기까지 모든 산업 및 모든 기술 수준의 실무자가 사용할 수 있습니다. 모델 선택 기준은 매우 유연하고 강력하지만 동시에 매우 다양한 예측 변수 세트, 응답 분포 및 심지어 상관 관계 구조 사이에서 쉽게 결정할 수 있습니다.
안타깝게도 이러한 기준을 사용하는 방법과 시기에 대한 전체 내용은 대학 및 전문 교육의 대부분의 표준 데이터 과학 과정의 일부가 아닙니다. 이렇게 누락된 한 가지 이유는 JMP와 달리 많은 소프트웨어 패키지가 모델 선택 기준을 불완전하거나 부정확한 방식으로 구현하여 모델을 다른 입력 변수와 비교할 수 없게 만들기 때문입니다.
이 프레젠테이션에서는 모델 선택 기준을 언제 어떻게 사용해야 하는지에 대한 명확한 지침을 제공합니다. 우리는 그들의 동기와 그들이 요구하는 가정을 설명합니다. 모델 선택 기준을 가설 테스트 및 홀드아웃 기반 교차 검증 절차와 같은 모델 선택에 대한 다른 잘 알려진 접근 방식과 비교합니다. 또한 분포 준설 문제에 대한 일반적인 해결책을 모색하면서 JMP 통계 R&D 개발자가 이러한 도구의 유용성을 어떻게 인식하게 되었는지에 대한 간략한 이야기도 제공합니다.
