のいくつかのクライアント予言私達の分析解決の会社は私達にそれらの機能を評価するのを助けるように頼んだ JMP Pro 彼らのデータと分析上の課題を考慮して、そして我々は優れた結果でそうしました。
JMP Proの高度なモデリング機能は、特に変数間の過剰適合や多重共線性の可能性がある場合に、従来のモデリング方法から得られるものを超える洞察を提供することがわかりました。JMP Proには、その後の分析を効率的にする方法でデータをフォーマットするための便利なツールもいくつかあります。JMP Proに存在する利点を説明するために、これらの統計上およびデータフォーマットの問題に関する簡単な説明が必要です。
オーバーフィットと多重共線性ビッグデータセットに関する2つの一般的な問題があります。オーバーフィットデータセットが予測子より観測値が少ない場合や、交差検定が利用されていない場合に発生します。多重共線性 2つ以上の予測子が互いに相関しているときに発生します。過剰適合と多重共線性の両方が、線形最小二乗回帰における係数の適切な推定を妨げます。これは、従来の統計で使用される最も一般的な予測モデリング手法です。
JMP Proは、オーバーフィットや多重共線性に対処するための多くのツールを提供しています。部分最小二乗法 （PLS）回帰は、特に予測子が連続的な場合に、過剰適合と多重共線性を克服する優れた予測モデリング手法です。検証方法の選択や欠損データの入力に関する規定など、PLS回帰の最も便利な機能のいくつかは、JMP Proでのみ利用可能です。
ブーストツリーそしてブートストラップフォレスト予測子がカテゴリカルである場合は、優れた予測モデリング手法であり、これを使用して過適合や多重共線性に対抗できます。これらの高度なテクニックは両方ともJMP Proでのみ利用可能です。ニューラルネットワークまた、過剰適合を克服する優れた予測モデリング手法です。このプラットフォームは定期的に見つかりました JMP しかし、JMP Proは高度なニューラルネットワークを構築する上で多くの高度な機能と柔軟性を持っています。
部分最小二乗回帰とニューラルネットワークの場合、検証と呼ばれる重要な機能にさらに言及する価値があります。検証これは正直な評価方法で、さまざまな手法を使って構築されたモデルの予測能力を測定し比較することができます。それは、データセットをパーティション（例えば、トレーニングセットおよびテストセット）に分割すること、モデルをトレーニングセットでフィッティングすること、テストセット内の応答を予測すること、およびモデルの予測能力を測定することを含む。
データセットをK個のパーティションに分割し、残りのパーティションをトレーニングセットに結合しながら各パーティションをテストセットとして回転させる、K分割交差検証など、さまざまなバリエーションの検証が利用可能です。モデルの予測精度は、K個のテストセットから測定された予測精度の平均です。もう1つの一般的で効果的な検証戦略は、観測のトレーニング、検証、およびテストセットを割り当てることです。各観測に対する検証の役割を固定することで、異なるモデリング方法間で比較するための平等な競争条件が生まれます。
検証はモデルの価値を評価するための貴重な手法であり、検証関連の機能の一部または全部はJMP Proでのみ利用可能です。
JMP Proの高度な機能は、半導体製造工場、化学製品の製造、コールセンターのパフォーマンスなど、さまざまな用途に使用されています。私たちはJMP Proを使ってこれらのメソッドを制度化し、場合によっては通常のJMPとSASを組み合わせたサーバー上で重い分析作業を行っています。JMP ProのPLSプラットフォームを使用して、問題のあるツールを最も適切に識別するためにどの施設レイアウトが適しているかを1人の顧客が判断するのを助けました。また、これらのツールを使用して、問題のあるプロセス設定とツール構成の組み合わせを特定するためのテストデータと歩留まりデータを調べました。私たちのクライアントはその結果に非常に満足しています。
