採礦製造業數據的危害和JMP®優勢<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />布拉德利諾維奇 ，博士，PhaseTwo Analytics首席顧問
從數據彙編到分析到結果的解釋和實施，挖掘製造數據可能是一項艱鉅的任務。將製造業中的數據挖掘與市場營銷或金融領域的數據挖掘區別開來的原因在於，單純的預測在製造業中並不夠好。在製造過程中，最終遊戲是改進控制，這需要找到根本原因。決策樹是一個很好的發現工具，但留給自己的設備可以選擇變量，雖然這些變量具有預測性，但從控制的角度來看對流程工程師來說沒有任何意義。這需要更加謹慎的樹構建方法，這種方法由JMP分區平台中提供的逐步方法提供，並且在大多數其他決策樹軟件程序中不可用。本文將提供使用JMP進行製造和挖掘製造數據問題的數據挖掘成功案例。它還將演示將專家知識集成到JMP分區過程中，以處理預測變量中的相關性問題，並提供允許驗證和部署結果的規則。
數據探索數據可視化預測建模
