"빅 데이터"프로젝트 강화 "빅 데이터"프로젝트 강화
Ronald Snee, 박사, 회장, Snee Associates
Richard De Veaux, C. Carlisle 및 Margaret Tippit 윌리엄스 대학 통계학 교수
Roger Hoerl, 조교수, Union College
JMP는 파티션, 신경 및 k-means 클러스터링을 포함하여 방대한 데이터 세트를 분석 할 수있는 많은 고급 도구를 제공합니다. 이러한 도구는 전문 통계학 자뿐만 아니라 일반 사용자에게도 강력한 통계 방법을 제공합니다. 다른 도구와 마찬가지로 예상되는 결과는 사용자의 지식과 기술에 비례합니다. 불행하게도 많은 데이터 마이닝, 기계 학습 및 "빅 데이터"문헌은 일반 사용자에게 강력한 알고리즘과 많은 데이터가 있으면 좋은 모델과 좋은 결과가 보장된다는 인상을줍니다. 이 세션에서는 우리가 생각하기에 문학에서 다음과 같은 세 가지 중요한 원칙에 초점을 맞출 것입니다 : "한방 연구"와 반대되는 과학적 탐구에 대한 순차적 인 접근 방법의 중요성; 문제를 생성 한 프로세스 및 측정 시스템의 맥락에서 데이터의 해석을 포함하여 주제 이론에 따라 경험적 모델링의 필요성; 모든 데이터가 동일하게 만들어지고 데이터 양이 데이터 품질보다 더 중요하다는 전제없는 가정이있다. 이러한 기본 사항을 무시할 때 발생할 수있는 문제에 대해 논의하고 데이터 마이닝 프로젝트를 개선하는 방법에 대한 생각과 경험을 공유합니다.
예측 모델링
