加強「大數據」項目 加強「大數據」項目
Ronald Snee 博士，Snee Associates 總裁
理查德‧德沃克斯 (Richard De Veaux)，威廉斯學院 C. 卡萊爾和瑪格麗特‧蒂皮特 (Margaret Tippit) 統計學教授
Roger Hoerl，博士，聯合學院助理教授
JMP 提供了許多先進的工具來分析大量資料集，包括分區、神經和 K 均值聚類。這些工具不僅能讓專業統計人員使用高效率的統計方法，一般使用者也能使用。與任何工具一樣，預期結果與使用者的知識和技能成正比。不幸的是，許多資料探勘、機器學習和「大數據」文獻可能會給普通用戶留下這樣的印象：只要有足夠強大的演算法和大量數據，就能保證得到好的模型和好的結果。本次會議將重點討論我們認為在文獻中被低估的三個重要原則：使用順序方法進行科學研究的重要性，而不是「一次性研究」；經驗建模需要以主題理論為指導，包括在生成數據的過程和測量系統的背景下對數據進行解釋；典型的未明說的假設是所有數據都是平等的，因此數據數量比數據質量更重要。我們將討論忽略這些基本原則時可能出現的問題，並分享如何改善資料探勘專案的想法和經驗。
