数据挖掘与预测建模
看看如何：
- 理解演示中使用的制造良率示例
- 寻找规律
- 利用分布来检验变量之间的关系以及变量与响应之间的关系
- 使用图表构建器检查所有变量，使用图标拖放功能将曲线拟合到数据，启用 R 平方等统计功能，交互式地更改拟合类型，并添加颜色以突出显示关键发现，方便他人参考。
- 进行探索性建模
- 使用多元分析来查看变量之间是否存在相关性
- 检查散点图矩阵并使用预测因子筛选来发现有意义的关系。
- 部署 JMP Pro 预测模型来处理非正态响应并发现潜在的过拟合问题
- 使用广义回归创建模型，并将数据随机分割成 3 个数据集：训练集用于估计模型参数；验证集通过不断添加参数来评估模型的预测能力，并观察其性能的优劣；测试集不参与模型构建，用于对模型的预测能力进行最终的、独立的评估。
- 选择分布方法
- 交互式地创建验证列，用于交叉验证，以避免模型过拟合（高估预测能力）。
- 支持多种型号的屏幕（JMP Pro 16 新增功能）
- 使用 Bootstrap Forest 和 Boosted Trees（决策树）
- 构建一个包含两层和足够节点的神经网络模型来描述关系
- 迭代地改进和重建最佳候选模型，以提高预测能力
- 将模型算法（评分代码）保存到数据表中
注意：问答环节大约在 38:00 开始。
JMP Journal 包含 PowerPoint 幻灯片，这些幻灯片也以 .pptx 文件的形式作为附件提供。如果您有兴趣将 PowerPoint 作为幻灯片添加到 JMP Journal 中，请按照以下说明操作：将幻灯片添加到 Journal：
- 安装 Brady Brady 的Journal Text Sledgehammer 插件。
- 生成 PowerPoint 演示文稿
- 保存为 .png（或其他图形格式）
- 打开 JMP，然后从插件菜单中选择 Journal Text Sledgehammer。
- 点击“实用工具”选项卡
- 点击幻灯片进入日志
- 选择包含上述第 3 步中自动生成的所有幻灯片的文件夹。
- 选择格式（例如，宽屏）
- 保存日志
资源
有问题想问主讲人吗？请留言并提及 Jason Higgins，使用@Jason_Wiggins 。
关于在文章结尾提出问题的价值，您有什么看法？请为@gail_massari添加评论。
预测建模和机器学习
