加強“大數據”項目 加強“大數據”項目
Ronald Snee，博士，Snee Associates總裁
威廉姆斯學院統計學教授Richard De Veaux，C。Carlisle和Margaret Tippit教授
Roger Hoerl，博士，聯合學院助理教授
JMP提供了許多高級工具來分析海量數據集，包括分區，神經和k均值聚類。這些工具不僅可以為專業統計人員提供高效的統計方法，也可以為臨時用戶提供。與任何工具一樣，預期的結果與用戶的知識和技能成比例。遺憾的是，許多數據挖掘，機器學習和“大數據”文獻可能會給臨時用戶留下這樣的印象：如果一個人擁有足夠強大的算法和大量數據，那麼就能保證良好的模型和良好的結果。本次會議將集中討論我們認為在文獻中未充分強調的三個重要原則：與“一次性研究”相反，使用順序方法進行科學調查的重要性;需要以主題理論為指導進行經驗建模，包括在過程和測量系統生成過程中對數據進行解釋;以及所有數據創建相等的典型未聲明假設，因此數據量比數據質量更重要。我們將討論忽略這些基本原理時可能出現的問題，並分享我們關於如何改進數據挖掘項目的想法和經驗。
預測建模
