レベル: 中級
Laura Castro-Schilo、SAS、JMP Research Statistician Tester
Chris Gotwalt 氏、SAS 統計研究開発担当 JMP ディレクター
データ量が急増し、企業の意思決定においてよりデータ主導型になるにつれて、多変量データ分析は必須のスキルとなっています。この拡張ブレイクアウト セッションでは、JMP と、連続データ、カテゴリデータ、離散データ、関数データに依存するさまざまなアプローチを使用した多変量データ分析に対する JMP の独自の視覚的かつ対話型アプローチを紹介します。
まず、多変量解析の本質、つまり、多数の変数に含まれる情報は、より少ない数の変数で効率的に表現できるという考えについての基礎的な議論から始めます。次に、JMP で多変量データを分析するための一般的なツールの概要を説明します。
セッションは2部構成で行われます。導入では、官能分析と消費者調査からのデータを使用して、主成分分析、多重対応分析、JMP 14 の新技術である多重因子分析などの古典的な教師なし多変量手法を動機付け、実証します。 2 番目のパートでは、部分最小二乗法と関数的主成分を使用した多変量データの教師あり手法について説明します。これらの教師あり手法を説明するために、複数の信号ストリームからのデータを使用してバッチ製造プロセスの歩留まりを予測するモデルを構築します。
全体を通して、各分析手法がいつ適切であるかについて明確なガイドラインを示し、最も重要で有用なソフトウェア オプションを強調します。
The Multivariate Flavors of JMPJMP の多変量フレーバー
