Voici les ressources que j'ai utilisées dans mon tutoriel à Discovery 2018 à Cary.
Régression généralisée : cela peut paraître effrayant, mais ce n'est pas le cas. Cette plateforme de JMP Pro prend en charge la plupart des exercices de modélisation linéaire courants. Besoin de trouver le meilleur ensemble de prédicteurs parmi une multitude de possibilités (par exemple, la sélection de variables) ? Cette plateforme est capable de le faire. Besoin de modéliser une réponse catégorielle à plus de deux niveaux ? La régression généralisée est capable de le faire. Vous rencontrez des difficultés avec des réponses non normales, comme les données de comptage ou le pourcentage de rendement ? Là où d'autres méthodes de modélisation échouent avec ces réponses, la régression généralisée les gère avec brio. Si vous n'utilisez pas cette plateforme, vous passez à côté de quelque chose. Nous examinerons l'utilisation de Genreg pour construire des modèles dans divers contextes : en commençant par un plan d'expérience orthogonal et en passant à de grands ensembles de données observationnelles.
