„Big Data“ -Projekte verbessern
Ronald Snee, Präsident, Snee Associates
Richard De Veaux, C. Carlisle und Margaret Tippit Professor für Statistik, Williams College
Roger Hoerl, PhD, Assistenzprofessor am Union College
JMP bietet eine Reihe fortschrittlicher Tools zur Analyse umfangreicher Datensätze, einschließlich Partitionierung, Neural-Clustering und K-Means-Clustering. Diese Tools stellen leistungsstarke statistische Methoden nicht nur für professionelle Statistiker, sondern auch für gelegentliche Benutzer zur Verfügung. Wie bei jedem Werkzeug sind die zu erwartenden Ergebnisse proportional zum Wissen und Können des Anwenders. Leider kann ein Großteil der Literatur zu Data Mining, maschinellem Lernen und "Big Data" gelegentlichen Benutzern den Eindruck vermitteln, dass ein guter Algorithmus und eine Vielzahl von Daten gute Modelle und gute Ergebnisse garantieren. Diese Sitzung konzentriert sich auf drei wichtige Prinzipien, die unserer Meinung nach in der Literatur unterbewertet wurden: Die Bedeutung sequentieller Ansätze für wissenschaftliche Untersuchungen im Gegensatz zu "One-Shot-Studien"; die Notwendigkeit einer empirischen Modellierung, die sich an der Theorietheorie orientiert, einschließlich der Interpretation von Daten im Kontext des Prozess- und Messsystems, das sie generiert hat; und die typische unausgesprochene Annahme, dass alle Daten gleich sind und daher die Datenmenge wichtiger ist als die Datenqualität. Wir werden die Probleme diskutieren, die sich ergeben können, wenn diese Grundlagen ignoriert werden, und unsere Gedanken und Erfahrungen zur Verbesserung von Data Mining-Projekten teilen.
