级别：中级Tony Cooper，SAS 首席分析顾问SAS 首席分析顾问 Sam Edgemon机器学习是关于创建预测模型的。如果目标（即响应）是名义上的，那么一个好的模型将最大化真阳性并最小化假阳性。设计实验将使用许多相同的分析算法，但重点是因果关系和成功的适当秘诀。JMP 用户可能更习惯这种范式，并且经常查看模型并问：“为什么预测这么高？我们如何改进它？业务中什么是重要的？”这些问题要求预测模型具有解释性，因此很难回答；变量范围受限和多重共线性等问题可能使从预测模型转变为解释模型变得困难。此外，模型的数字摘要不鼓励主题专家提出问题。预测模型和根本原因分析之间的差异可以被忽视；但我们知道相关性并不意味着因果关系。在推动高级建模技术的过程中，解释数据的艺术正在消失。JMP 中不起眼的 Profiler 是一个让模型说话的强大工具。这个演示提醒我们，即使对于数据挖掘者来说，分析器和图形生成器也会起到决定性的作用。
