「ビッグデータ」プロジェクトの強化 「ビッグデータ」プロジェクトの強化
ロナルド・スニー博士、スニー・アソシエイツ社長
リチャード・デ・ヴォー、ウィリアムズ大学 C. カーライルおよびマーガレット・ティピット統計学教授
ロジャー・ホエル博士、ユニオン大学助教授
JMP には、パーティション、ニューラル、K 平均法クラスタリングなど、大規模なデータセットを分析するための高度なツールが多数用意されています。これらのツールにより、プロの統計学者だけでなく一般ユーザーも強力な統計手法を利用できるようになります。どのツールでも、期待される結果はユーザーの知識とスキルに比例します。残念ながら、データ マイニング、機械学習、および「ビッグ データ」に関する文献の多くは、一般ユーザーに、十分に強力なアルゴリズムと大量のデータがあれば、優れたモデルと優れた結果が保証されるという印象を与える場合があります。このセッションでは、文献で十分に強調されていないと思われる 3 つの重要な原則に焦点を当てます。科学的調査には「ワンショット研究」ではなく、連続的なアプローチを使用することの重要性、経験的モデリングは、それを生成したプロセスと測定システムのコンテキスト内でのデータの解釈を含む主題理論によって導かれる必要があること、すべてのデータは平等に作成され、したがってデータ量はデータ品質よりも重要であるという、暗黙の前提が一般的です。これらの基本が無視された場合に発生する可能性のある問題について説明し、データ マイニング プロジェクトを改善する方法についての考えと経験を共有します。
