「ビッグデータ」プロジェクトの強化 「ビッグデータ」プロジェクトの強化
Ronald Snee、PhD、Snee Associatesプレジデント
リチャード・ド・ヴォー、C・カーライル、マーガレット・ティピット統計学教授、ウィリアムズ・カレッジ
Roger Hoerl、PhD、ユニオンカレッジ助教授
JMPは、分割、ニューラル、k平均クラスタリングなど、大量のデータセットを分析するための高度なツールを多数提供しています。これらのツールは、強力な統計的手法をプロの統計学者だけでなく、一般ユーザにも提供します。他のツールと同様に、予想される結果はユーザーの知識とスキルに比例します。残念ながら、データマイニング、機械学習、および「ビッグデータ」の文献の多くは、強力なアルゴリズムと大量のデータがあれば、優れたモデルと優れた結果が保証されるという印象をカジュアルユーザに与える可能性があります。このセッションでは、私たちの意見では文学では強調されていなかった3つの重要な原則に焦点を当てます。プロセスとそれを生み出した測定システムの文脈内でのデータの解釈を含む、主題論によって導かれる経験的モデリングの必要性。また、すべてのデータが同じように作成され、したがってデータ量がデータ品質よりも重要であるという一般的な記述はありません。これらの基本事項を無視した場合に発生する可能性がある問題について説明し、データマイニングプロジェクトを改善する方法についての考えと経験を共有します。
予測モデリング
