Le 13 octobre 2011, en maîtrisant la diffusion Web JMP, l’ingénieur systèmes Aashish Majethia a montré comment utiliser JMP et JMP Pro pour modéliser des données de grande dimension. Ces techniques sont utiles lorsque vous avez beaucoup d'indicateurs (colonnes) mais peu d'observations (lignes), situation qui rend difficile la modélisation à l'aide de techniques de régression linéaire.
Aashish a démontré quelques techniques utiles, maintenant disponibles deux démos à la demande .
Il utilise JMP pour l'analyse en composantes principales (ACP), les moindres carrés partiels (PLA) et la régression par étapes, ainsi que JMP Pro pour les arbres boostés, les forêts bootstrap et les réseaux neuronaux. La PCA aide à expliquer la variabilité en créant un ensemble de variables non corrélées à partir de l'ensemble d'observations d'origine. PLS génère des facteurs latents à partir des prédicteurs et des données observables. Les forêts bootstrap et les arbres optimisés vous permettent d'éviter de faire des prédictions trop optimistes ou faussées par les données spécifiques utilisées. Les réseaux neuronaux vous permettent de déterminer les données à utiliser pour la validation croisée, d'adapter les réseaux à une ou deux couches à votre choix de fonctions d'activation et d'automatiser le traitement des valeurs manquantes.
Les tables de données utilisées par Aashish dans les démos sont disponibles dans JMP sous forme de données exemple (HELP> SAMPLE DATA).
Nous clôturons 2012 avec deux autres diffusions Web en direct le jeudi. Le 10 novembre, Mary Loveless montrera comment analyser des données sensorielles pour développer des produits de consommation, et le 17 novembre, Jeff Perkinson montrera comment créer des cartes personnalisées permettant de visualiser les analyses. Intéressé? Simplement registre et ensuite nous rejoindre.
