Niveau: Fortgeschritten
Berufsfunktion: Analyst / Wissenschaftler / Ingenieur
Chris Gotwalt, JMP-Direktor für statistische Forschung und Entwicklung, SAS
In diesem Tutorial geben wir einen allgemeinen Überblick über die Anwendung von Methoden des maschinellen Lernens mit den Tools von JMP Pro. Der Kerngedanke besteht darin, dass die grundlegenden Tools des maschinellen Lernens die Modellierung im Vergleich zu früheren Ansätzen der Datenmodellierung tatsächlich vereinfachen. Wir beginnen mit der Einführung in die grundlegenden Konzepte der Modellauswahl in einem Framework für maschinelles Lernen und zeigen anschließend, wie dies mit dem Dienstprogramm „Validierungsspalte erstellen“ eingerichtet wird. Anschließend demonstrieren wir ADI, einen neuen Ansatz zur Imputation fehlender Daten, der in JMP Pro 14 integriert wurde. Anschließend erläutern wir die wichtigsten Plattformen für maschinelles Lernen in JMP Pro: Neuronale, Partitions- und Generalisierte Regression. Abschließend verwenden wir den Modellvergleich, um eine endgültige Entscheidung über das zu verwendende Modell zu treffen, und verwenden das Formeldepot, um Scoring-Code für die Verwendung des Modells außerhalb von JMP Pro zu erstellen. Wir veranschaulichen die einzigartige Interaktivität von JMP und die enge Verknüpfung von Daten und Grafiken. Dies macht den Modellierungsentscheidungsprozess intuitiv und transparent und ermöglicht gleichzeitig Einblicke in die Blackbox von Machine-Learning-Modellen – wie kein anderes Produkt.
