L'apprentissage automatique a révolutionné l'analyse des données et la prise de décision dans de nombreux secteurs. Cette présentation met l'accent sur son utilité lorsqu'il est intégré à JMP Pro, un outil puissant de statistiques et de visualisation des données. Nous présentons plusieurs études de cas réelles (avec des données anonymisées et modifiées à des fins de contextualisation) pour illustrer comment révéler des relations complexes au sein des ensembles de données, permettant ainsi un regroupement, une segmentation et des prédictions pertinents. Les techniques d'apprentissage automatique de JMP et JMP Pro permettent également d'identifier et d'optimiser les variables les plus pertinentes, améliorant ainsi les performances et l'interprétabilité des modèles. Les principales méthodes présentées dans cet article sont :
- Réseaux neuronaux pour la prédiction de plusieurs réponses et l'optimisation de la désirabilité.
- Les arbres de régression, appelés Partition dans JMP, permettent de comprendre les problèmes complexes liés aux processus.
- Certains modèles hybrides utilisent à la fois des méthodes statistiques standard et l'apprentissage automatique pour combiner les différentes méthodes.
- Explorateur de données fonctionnelles sur les données de capteurs de l'industrie de haute technologie à des fins de prédiction.
Nous détaillons également plusieurs fonctionnalités de JMP Pro, y compris la comparaison des modèles.
