錄影於 2025 年 3 月，使用 JMP 18 和 JMP Pro 18。
您是否在處理複雜的流程，而這些流程中可能存在一些未被考慮的變量，這些變量可能會影響您的預測？您是否有時難以確定影響複雜交互作用結果的因素的有效性？共線性因素是否阻礙了您的流程改善專案的效率？
在本期 JMP 精通課程中，我們將使用機器學習工具進行案例研究，以確定航空工業精密機械零件切割的理想條件。了解具體操作方法：
- 分析數據，並透過圖形方式揭示可能存在的共線性關係。
- 探索簡單的線性迴歸模型，並確定為什麼它們不足以滿足要求。
- 使用 JMP Pro 機器學習工具建立和評估能夠準確識別和處理共線性效應的模型。
@Peter_Polito和@Bill_Worley在線上研討會上回答了以下問題：
Q： JMP 能否執行 PCA 和神經網路分析，還是需要 JMP Pro？
答：兩者都包含在標準版 JMP 中。標準版 JMP 中的神經網路僅提供一種激活函數。而 JMP Pro 中的神經網路則提供多種激活函數、提升演算法和模型驗證功能。
Q： VIF是否要求資料中有重複測量值？
一：不。重複測量對於理解模型中的變異性反而很有用。
Q：我們可以對主成分分析使用響應曲面法（RSM）嗎？
一個： Yes.
問：您提到了隨機森林。 JMP 中是否有這種分析方法？如果有，我們可以指定評估指標（例如基尼係數、熵等）嗎？
一：我們稱之為Bootstrap Forest 。它在 JMP Pro 中可用。
問：請問您能審核一下VIF嗎？
一個：V通貨膨脹因素（五維當分佈為常態分佈時，模型中的每個項都可用。高五維VIF 值表示模型中各項之間存在共線性問題。要查看 VIF，在參數估計表中右鍵單擊，然後選擇“列”>VIF 值可以在「首選項」的「擬合模型」選項（包括「最小平方法擬合」、「反應擬合」和「混合擬合」）中進行設定。有關 VIF 的更多信息，請觀看下方視頻。
