次元呪いの下での非対称データセットのためのデータマイニング
大きくてノイズの多いデータセットで検索する最も影響力のある半導体の歩留り予測子ファブ
前書き：
半導体製造は最も技術的に非常に複雑な製造プロセスの1つです。多数のプロセスステップと多数のセンサーのために、この業界は膨大なデータの急増に直面しています。多数の製造データに加えて、合格と不合格の部品の不均衡がこのデータセットの分析を困難にしています。
非常に多くのデータを使用すると、一度に1つの変数を使用する標準的な手法では、製造上のさまざまな変数の影響を受けて失敗する可能性があります。
データ自体は役に立ちません。有用であるためには、歩留まりと製品品質の向上を推進するために実用的な情報に変換する必要があります。
これが機械学習（ML）です。
モデルの過剰適合の問題を回避するために、サンプルの次元数の削減も必要です。言い換えれば、利用可能なデータの信号対雑音比を上げるためには、MLモデルを適用する前に特徴数を減らす必要があります。興味深いパターンがデータベースから抽出されたら、それらはエンジニアの経験によって検証されます。
プロセス全体はJMP13 JSL機能を使用して実現されています
