차원의 저주 아래 비대칭 데이터 세트에 대한 데이터 마이닝
크고 노이즈가 많은 데이터 세트에서 다음을 찾으세요.가장 영향력 있는반도체의 수율 예측기팹
소개:
반도체 제조는 기술적으로 가장 복잡하고 매우 복잡한 제조 공정 중 하나입니다. 공정 단계가 많고 센서도 많기 때문에 이 산업은 엄청난 양의 데이터에 직면해 있습니다. 생산 데이터가 많은 것 외에도 합격 및 불합격 부품의 불균형으로 인해 이 데이터 세트를 분석하기 어렵습니다.
너무 많은 양의 데이터가 있으면 한 번에 한 가지 변수를 적용하는 표준 기술은 제조 변수의 영향으로 인해 실패할 수 있습니다.
데이터 자체는 유용하지 않습니다. 유용하려면 수확량과 제품 품질 개선을 촉진하기 위해 실행 가능한 정보로 전환해야 합니다.
이제 머신러닝(ML)이 등장했습니다.
모델 과적합 문제를 피하기 위해 샘플 차원을 줄이는 것도 필요합니다. 다시 말해, 사용 가능한 데이터의 신호-잡음 비율을 높이려면 ML 모델을 적용하기 전에 피처 번호를 줄여야 합니다. 흥미로운 패턴이 데이터베이스에서 추출되면 엔지니어의 경험에 의해 검증됩니다.
전체 프로세스는 JMP13 JSL 기능을 사용하여 실현되었습니다.
