維數災難下非對稱資料集的資料探勘
在大而吵雜的資料集中尋找最有影響力半導體產量預測極佳的
介紹：
半導體製造是技術最先進、最複雜的製造流程之一。由於流程步驟多、感測器數量多，該產業面臨大量的數據。除了生產資料數量龐大之外，合格零件和不合格零件的不平衡也使得此資料集難以分析。
由於資料量如此之大，當時一個變數的標準技術可能會因為大量製造變數的影響而失敗。
數據本身並無用。為了發揮作用，必須將其轉化為可操作的訊息，以推動產量和產品品質的提升。
這就是機器學習（ML）的由來。
為了避免模型過度擬合問題，也需要降低樣本維數。換句話說，為了增加可用資料的訊噪比，我們需要在應用任何 ML 模型之前減少特徵數量。一旦從資料庫中提取出了有趣的模式，它們就會透過工程師的經驗來驗證。
整個過程使用 JMP13 JSL 功能實現
