次元の呪いの下での非対称データセットのデータマイニング
大規模でノイズの多いデータセットから最も影響力のある半導体の歩留まり予測素晴らしい
導入：
半導体製造は、最も技術的かつ非常に複雑な製造プロセスの 1 つです。プロセス ステップの数が多く、センサーの数が多いため、この業界は膨大な量のデータに直面しています。製造データの数が多いことに加え、合格部品と不合格部品の不均衡により、このデータセットの分析が困難になっています。
データ数が非常に多い場合、一度に 1 つの変数を使用する標準的な手法では、多数の製造変数の影響により失敗する可能性があります。
データ自体は役に立ちません。役に立つためには、データを実用的な情報に変換し、歩留まりと製品品質の向上を促進する必要があります。
ここで機械学習 (ML) の登場です。
モデルの過剰適合の問題を回避するには、サンプルの次元を削減することも必要です。言い換えれば、利用可能なデータの信号対雑音比を高めるには、ML モデルを適用する前に特徴数を減らす必要があります。データベースから興味深いパターンが抽出されると、エンジニアの経験によって検証されます。
プロセス全体はJMP13 JSL機能を使用して実現されています
