即使在機器學習技術日趨強大的今天，處理大型資料集仍然面臨許多挑戰。簡單地採用蠻力處理——僅僅因為我們有能力就處理所有數據——有時會導致效率低下、過擬合、噪音以及收益迅速遞減。更智能並不總是意味著更大的規模。智慧子採樣，即僅使用具有代表性的一小部分數據，通常能夠揭示更清晰的模式並提供更深刻的見解。
近十年來，我一直對這個主題很感興趣，也曾在本次會議上多次分享。然而，今年標誌著一個重大進展：基於更大規模的數據集（約3萬個觀測值）所獲得的全新結果，證實並擴展了智慧子抽樣策略的強大功能。從材料科學到生物醫學、環境建模、行銷和社會科學，其核心訊息始終如一：既然可以採用智慧方法，何必使用蠻力呢？
利用 JMP Pro 的最新功能，這項工作展示瞭如何將智能子採樣與經典和現代建模方法（MLR、Boosted Tree、神經網路、SVM、GLM 等）相結合，從而獲得穩健的預測結果。–希望大家都能欣賞這場精彩的示範。
