在2011年10月13日，掌握JMP網絡廣播，系統工程師Aashish Majethia演示瞭如何使用 JMP 和 JMP Pro 模擬高維數據。當您擁有大量指標（列）但很少觀察（行）時，這些技術非常有用，這種情況使得使用線性回歸技術進行建模變得困難。
Aashish展示了一些有用的技術，現在可用兩個按需演示 。
他使用JMP進行主成分分析（PCA），偏最小二乘法（PLA）和逐步回歸加上JMP Pro用於增強樹木，自助森林和神經網絡。PCA通過從原始觀察集創建一組不相關的變量來幫助解釋變異性。PLS從預測變量和可觀察數據生成潛在因子。引導森林和增強樹可以避免使用過於樂觀或被所使用的特定數據扭曲的預測。神經網絡允許您確定用於交叉驗證的數據，使用您選擇的激活函數來適應單層和雙層網絡，並自動處理缺失值。
Aashish在演示中使用的數據表可從JMP中作為樣本數據（HELP> SAMPLE DATA）獲得。
我們將在2012年結束兩場週四的網絡直播。11月10日，Mary Loveless將展示如何分析感官數據以開發消費產品，並於11月17日，Jeff Perkinson將展示如何構建有助於可視化分析的自定義地圖。感興趣嗎？只是寄存器然後加入我們
