"빅데이터" 프로젝트 강화
로널드 스니, 박사, Snee Associates 사장
Richard De Veaux, C. Carlisle 및 Margaret Tippit 통계학 교수, Williams College
Roger Hoerl, 박사, Union College 조교수
JMP는 분할, 신경망 및 k-평균 클러스터링을 포함하여 방대한 데이터 세트를 분석하는 여러 가지 고급 도구를 제공합니다. 이러한 도구는 전문 통계학자뿐만 아니라 일반 사용자에게도 강력한 통계적 방법을 제공합니다. 모든 도구와 마찬가지로 예상되는 결과는 사용자의 지식과 기술에 비례합니다. 안타깝게도 데이터 마이닝, 머신 러닝 및 "빅 데이터" 문헌의 대부분은 일반 사용자에게 충분히 강력한 알고리즘과 많은 데이터가 있으면 좋은 모델과 좋은 결과가 보장된다는 인상을 줄 수 있습니다. 이 세션에서는 문헌에서 과소평가되어 온 세 가지 중요한 원칙에 초점을 맞출 것입니다. "일회성 연구"와 달리 과학적 조사에 순차적 접근 방식을 사용하는 것의 중요성, 데이터를 생성한 프로세스 및 측정 시스템의 맥락 내에서 데이터를 해석하는 것을 포함하여 주제별 이론에 따라 경험적 모델링을 안내해야 할 필요성, 모든 데이터가 동등하게 생성되므로 데이터 양이 데이터 품질보다 더 중요하다는 일반적인 암묵적 가정. 이런 기본 사항을 무시했을 때 발생할 수 있는 문제에 대해 논의하고, 데이터 마이닝 프로젝트를 개선하는 방법에 대한 생각과 경험을 공유하겠습니다.
