Il machine learning ha rivoluzionato il nostro approccio all'analisi dei dati e al processo decisionale in diversi settori. In questa presentazione, ci concentriamo in particolare sulla sua utilità quando integrato con JMP Pro, un potente strumento statistico e di visualizzazione dei dati. Evidenziamo diversi casi di studio reali (con dati anonimizzati e modificati solo per fornire il contesto) per mostrare come possiamo svelare relazioni complesse all'interno di set di dati, portando a clustering, segmentazione e previsioni approfondite. Le tecniche di machine learning in JMP e JMP Pro consentono inoltre agli utenti di identificare e ottimizzare le variabili più rilevanti, migliorando le prestazioni e l'interpretabilità del modello. I principali metodi presentati in questo articolo sono:
- Reti neurali per la previsione di diverse risposte e l'ottimizzazione della desiderabilità.
- Alberi di regressione, chiamati partizioni in JMP, per comprendere problematiche di processo complesse.
- Alcuni modelli ibridi utilizzano sia metodi statistici standard sia l'apprendimento automatico per combinare i diversi metodi.
- Functional Data Explorer sui dati dei sensori provenienti dal settore high-tech per le previsioni.
Descriviamo inoltre in dettaglio diverse funzionalità di JMP Pro, tra cui il confronto dei modelli.
