수준: 중급
Laura Castro-Schilo, SAS JMP 연구 통계 테스터
Chris Gotwalt, SAS 통계 연구 및 개발 부문 JMP 이사
데이터의 양이 급증하고 기업의 의사 결정이 데이터 중심으로 변하면서 다변량 데이터 분석은 필수적인 기술이 되었습니다. 이 확장된 세부 세션에서는 연속형, 범주형, 이산형 및 기능적 데이터에 의존하는 다양한 접근 방식을 사용하여 다변량 데이터 분석에 대한 JMP의 고유한 시각적, 대화형 접근 방식을 소개합니다.
우리는 다변량 분석의 본질, 즉 많은 수의 변수에 포함된 정보가 종종 더 적은 수의 변수로 효율적으로 표현될 수 있다는 생각에 대한 기초적인 논의부터 시작할 것입니다. 그런 다음 JMP에서 다변량 데이터를 분석하기 위한 일반적인 도구에 대한 개요를 제공합니다.
세션은 두 부분으로 나누어 진행됩니다. 소개에서는 관능 분석 및 소비자 연구에서 얻은 데이터를 사용하여 주성분 분석, 다중 대응 분석, JMP 14의 새로운 기술인 다중 요인 분석과 같은 고전적인 비지도 다변량 방법을 동기를 부여하고 시연합니다. 두 번째 부분에서는 부분 최소 제곱과 기능적 주성분을 사용하여 다변량 데이터에 대한 지도 방법을 다룹니다. 이러한 감독 방법을 설명하기 위해 여러 신호 스트림의 데이터를 사용하여 배치 제조 프로세스의 수율을 예측하는 모델을 구축합니다.
전체적으로 우리는 각 분석 기술이 적절한 시기에 대한 명확한 지침을 제공하고 가장 중요하고 유용한 소프트웨어 옵션을 강조할 것입니다.
The Multivariate Flavors of JMPJMP의 다변량 특징
