建立先进的预测模型 - 石油和天然气案例研究本案例研究使用 JMP 和 JMP Pro 来寻找上游石油和天然气流程（识别、提取和生产原材料）中的最佳地质和完井参数。
了解如何：
- 理解模型的目标——确定在过程中使用额外的、昂贵的固体材料（支撑剂）的收益递减点
- 了解感兴趣的反应——某一油井一年内生产的石油和天然气总量。
- 了解学习因素
- 控制因素（20 个完井参数、支撑剂量、井射孔深度、完井阶段数、水平井长度）
- 伪控制因素（位置参数、县、纬度、经度）
- 不受控制的因素（23 个地质参数、岩相、储层厚度、孔隙度和渗透率、（TOC）总有机碳）
- 准备分析数据
- 使用预测因子筛选从所有因素中识别出重要的预测因子
- 使用 Bootstrap Forest 对所有预测因子进行排序
- 使用“拟合模型”构建模型，使用各种拟合技术、模型参数和其他设置（包括随机效应）快速开发从简单到复杂的线性模型。
- 构建标准最小二乘模型 (JMP)
- 构建逐步回归模型 (JMP)
- 构建逻辑回归模型 (JMP)
- 使用广义回归（Pro）创建文本、验证和训练集，然后对相关和高维数据进行建模
- 使用 JMP Pro 通过平均多个决策树来拟合集成模型
- 看看每次分割如何考虑预测变量的随机子集
- 使用预测分析器识别收益递减点
高级统计建模
