資料探勘與預測建模
看看如何：
- 理解演示中使用的製造良率範例
- 尋找規律
- 利用分佈來檢驗變數之間的關係以及變數與反應之間的關係
- 使用圖表構建器檢查所有變量，使用圖標拖放功能將曲線擬合到數據，啟用 R 平方等統計功能，交互式地更改擬合類型，並添加顏色以突出顯示關鍵發現，方便他人參考。
- 進行探索性建模
- 使用多元分析來查看變數之間是否存在相關性
- 檢查散點圖矩陣並使用預測因子篩選來發現有意義的關係。
- 部署 JMP Pro 預測模型來處理非常態響應並發現潛在的過度擬合問題
- 使用廣義迴歸建立模型，並將資料隨機分割成 3 個資料集：訓練集用於估計模型參數；驗證集透過不斷添加參數來評估模型的預測能力，並觀察預測結果的優劣；測試集不參與模型構建，用於對模型的預測能力進行最終的、獨立的評估。
- 選擇分佈方法
- 互動式地建立驗證列，用於交叉驗證，以避免模型過度擬合（高估預測能力）。
- 支援多種型號的螢幕（JMP Pro 16 新增功能）
- 使用 Bootstrap Forest 和 Boosted Trees（決策樹）
- 建構一個包含兩層和足夠節點的神經網路模型來描述關係
- 迭代地改進和重建最佳候選模型，以提高預測能力
- 將模型演算法（評分代碼）儲存到資料表中
注意：問答環節大約在 38:00 開始。
JMP Journal 包含 PowerPoint 幻燈片，這些幻燈片也以 .pptx 檔案的形式作為配件提供。如果您有興趣將 PowerPoint 作為投影片新增至 JMP Journal 中，請按照以下說明操作：將投影片新增至 Journal：
- 安裝 Brady Brady 的Journal Text Sledgehammer 外掛程式。
- 產生 PowerPoint 簡報
- 儲存為 .png（或其他圖形格式）
- 開啟 JMP，然後從外掛程式選單中選擇 Journal Text Sledgehammer。
- 點選「實用工具」標籤
- 點擊幻燈片進入日誌
- 選擇包含上述步驟 3 中自動產生的所有投影片的資料夾。
- 選擇格式（例如，寬螢幕）
- 保存日誌
資源
有問題想問主講人嗎？請留言並提及 Jason Higgins，使用@Jason_Wiggins 。
關於結尾提問的價值，您有什麼看法？請為@gail_massari添加評論。
預測建模和機器學習
