Molti dei clienti di Predictum , la nostra società di soluzioni analitiche, ci ha chiesto di aiutarli a valutare le capacità di JMP Pro con i loro dati e le sfide analitiche, e lo abbiamo fatto con risultati eccellenti.
Abbiamo visto che le funzionalità di modellazione avanzate in JMP Pro forniscono approfondimenti che vanno al di là di quelli disponibili dai metodi di modellazione convenzionali, specialmente quando sono presenti il potenziale di sovralimentazione e multicollinearità tra le variabili. JMP Pro offre anche diversi strumenti utili per la formattazione dei dati in modo da rendere efficiente l'analisi successiva. Per descrivere i vantaggi presenti in JMP Pro, è necessaria una breve discussione di questi problemi statistici e di formattazione dei dati.
Sovralimentazione e multicollinearità sono due problemi comuni con i big data set. sovradattamento si verifica quando un set di dati ha meno osservazioni dei predittori e nei casi in cui non viene sfruttata la convalida incrociata. multicollinearità si verifica quando i due o più predittori sono correlati l'uno con l'altro. Sia il sovraffollamento che la multicollinearità impediscono un'adeguata stima dei coefficienti nella regressione lineare dei minimi quadrati, che è la tecnica di modellazione predittiva più comune utilizzata nelle statistiche tradizionali.
JMP Pro offre molti strumenti per affrontare l'overfitting e la multicollinearità. Minimi quadrati parziali La regressione (PLS) è un'eccellente tecnica di modellazione predittiva che supera il sovraffollamento e la multicollinearità, specialmente quando i predittori sono continui. Alcune delle funzioni più utili della regressione PLS, tra cui una scelta di metodi di convalida e disposizioni per l'imputazione dei dati mancanti, sono disponibili solo in JMP Pro.
Alberi rinforzati e foreste di bootstrap sono buone tecniche di modellizzazione predittiva quando i predittori sono categoriali, che possono essere utilizzati per contrastare il sovradattamento e la multicollinearità. Entrambe queste tecniche avanzate sono disponibili anche in JMP Pro. Reti neurali è anche una buona tecnica di modellazione predittiva che supera il sovradattamento. Questa piattaforma è stata trovata regolarmente JMP , ma JMP Pro ha molte funzionalità avanzate e flessibilità nella costruzione di reti neurali avanzate.
Per la regressione dei minimi quadrati parziali e le reti neurali, una caratteristica chiave chiamata validazione merita qualche ulteriore menzione. Validazione è un metodo di valutazione onesta, che consente di misurare e confrontare la capacità predittiva dei modelli costruiti utilizzando varie tecniche. Si tratta di suddividere il set di dati in partizioni (ad esempio, un set di allenamento e un set di test), adattando il modello con il set di allenamento, prevedendo le risposte nel set di test e misurando la capacità predittiva del modello.
Sono disponibili diverse varianti di convalida, compresa la convalida incrociata K-fold, che divide un set di dati in partizioni K e ruota ciascuna partizione come set di test combinando le partizioni rimanenti nel set di allenamento; la precisione predittiva del modello è la media delle accuratezze predittive misurate dai set di test K. Un'altra strategia di validazione popolare ed efficace è quella di assegnare training di osservazioni, validazione e set di test. La correzione del ruolo di convalida per ogni osservazione crea una parità di condizioni per il confronto tra diversi metodi di modellazione.
La validazione è una tecnica valida per valutare il valore di un modello e alcune o tutte le funzionalità relative alla convalida sono disponibili solo in JMP Pro.
Abbiamo utilizzato le funzionalità avanzate di JMP Pro per una varietà di applicazioni, tra cui fabbricazioni di semiconduttori, operazioni chimiche e prestazioni di call center. Abbiamo istituzionalizzato questi metodi con JMP Pro e, in alcuni casi, combinato JMP regolare con SAS su un server eseguendo il pesante lavoro di analisi. Utilizzando la piattaforma PLS in JMP Pro, abbiamo aiutato un cliente a decidere quale layout della struttura si prestava alla migliore identificazione degli strumenti per i problemi. Abbiamo anche utilizzato questi strumenti per studiare i test e produrre dati per identificare combinazioni di impostazioni di processo e configurazioni di strumenti che erano problematiche. I nostri clienti sono molto soddisfatti dei risultati.
