Plusieurs des clients de Predictum , notre société de solutions analytiques, nous a demandé de les aider à évaluer les capacités de JMP Pro avec leurs données et leurs défis analytiques, et nous l’avons fait avec d’excellents résultats.
Nous avons constaté que les fonctionnalités de modélisation avancées de JMP Pro apportaient des informations allant au-delà de celles des méthodes de modélisation conventionnelles, en particulier lorsque le potentiel de surajustement et de multicolinéarité entre les variables est présent. JMP Pro propose également plusieurs outils utiles pour formater les données de manière à optimiser les analyses ultérieures. Pour décrire les avantages de JMP Pro, il est nécessaire d’examiner brièvement ces problèmes de formatage statistique et de formatage des données.
Overfitting et multicolinéarité sont deux problèmes communs avec les grands ensembles de données. Surapprentissage se produit lorsqu'un ensemble de données comporte moins d'observations que de prédicteurs et dans les cas où la validation croisée n'est pas exploitée. Multicolinéarité se produit lorsque les deux prédicteurs ou plus sont corrélés l'un à l'autre. La sur-adaptation et la multicolinéarité empêchent une estimation adéquate des coefficients dans la régression linéaire des moindres carrés, qui est la technique de modélisation prédictive la plus couramment utilisée dans les statistiques traditionnelles.
JMP Pro propose de nombreux outils pour remédier à la suralimentation et à la multicolinéarité. Moindres carrés partiels La régression (PLS) est une excellente technique de modélisation prédictive qui surmonte le surajustement et la multicolinéarité, en particulier lorsque les prédicteurs sont continus. Certaines des fonctionnalités les plus utiles de la régression PLS, notamment un choix de méthodes de validation ainsi que des dispositions pour imputer les données manquantes, ne sont disponibles que dans JMP Pro.
Arbres boostés et forêts d'amorçage sont de bonnes techniques de modélisation prédictive lorsque les prédicteurs sont catégoriques, ce qui peut être utilisé pour lutter contre le surajustement et la multicolinéarité. Ces deux techniques avancées ne sont également disponibles que dans JMP Pro. Les réseaux de neurones est également une bonne technique de modélisation prédictive qui permet de surmonter les problèmes de surajustement. Cette plate-forme se trouve dans les JMP , mais JMP Pro offre de nombreuses fonctionnalités avancées et une grande flexibilité pour la construction de réseaux neuronaux avancés.
Pour la régression partielle par les moindres carrés et les réseaux de neurones, une caractéristique clé appelée validation mérite une mention supplémentaire. Validation est une méthode d'évaluation honnête, qui vous permet de mesurer et de comparer la capacité prédictive de modèles construits à l'aide de diverses techniques. Cela implique de scinder le jeu de données en partitions (p. Ex. Un jeu d'apprentissage et un jeu d'essai), d'ajuster le modèle à celui d'apprentissage, de prévoir les réponses dans l'ensemble d'essai et de mesurer la capacité prédictive du modèle.
Différentes variantes de validation sont disponibles, notamment la validation croisée des plis en K, qui divise un jeu de données en K partitions et fait pivoter chaque partition en tant que jeu de test tout en combinant les partitions restantes dans le jeu d'apprentissage; la précision prédictive du modèle est la moyenne des exactitudes prédictives mesurées à partir des K ensembles de test. Une autre stratégie de validation populaire et efficace consiste à affecter des ensembles de formation, de validation et de test aux observations. Fixer le rôle de validation pour chaque observation crée un terrain de jeu égal pour la comparaison entre différentes méthodes de modélisation.
La validation est une technique utile pour évaluer la valeur d'un modèle, et tout ou partie des fonctionnalités liées à la validation ne sont disponibles que dans JMP Pro.
Nous avons utilisé les fonctionnalités avancées de JMP Pro pour diverses applications, notamment les installations de fabrication de semi-conducteurs, les opérations chimiques et les performances des centres d'appels. Nous avons institutionnalisé ces méthodes avec JMP Pro et, dans certains cas, combiné JMP normal et SAS sur un serveur effectuant un travail analytique intensif. À l'aide de la plate-forme PLS de JMP Pro, nous avons aidé un client à déterminer quelle configuration d'installation convenait le mieux à l'identification des outils à problèmes. Nous avons également utilisé ces outils pour étudier les données de test et de production afin d'identifier les combinaisons de paramètres de processus et de configurations d'outils problématiques. Nos clients sont très satisfaits des résultats.
