維數災難下非對稱數據集的數據挖掘
在大而嘈雜的數據集中找到最有影響力的半導體的良率預測極品
介紹：
半導體製造是技術含量最高、最複雜的製造工藝之一。 由於大量的工藝步驟和大量的傳感器，該行業面臨著巨大的數據洪流。 除了大量的生產數據外，合格件和不合格件的不平衡也使得該數據集難以分析。
由於數據量如此之大，當時某一變量的標準技術可能會因為大量製造變量的影響而失敗。
數據本身並沒有什麼用處。 為了發揮作用，必須將其轉化為可操作的信息，以提高產量和產品質量。
機器學習（ML）來了。
為了避免模型過度擬合問題，還需要降低樣本維數。 換句話說，為了提高可用數據的信噪比，我們需要在應用任何 ML 模型之前減少特徵數量。 一旦從數據庫中提取出有趣的模式，它們將通過工程師的經驗進行驗證。
整個過程是利用JMP13 JSL功能實現的
