Al 13 ottobre 2011, masterizzando il webcast JMP, l'ingegnere dei sistemi Aashish Majethia ha dimostrato come utilizzare JMP e JMP Pro per modellare dati ad alta dimensione. Queste tecniche sono utili quando si hanno molti indicatori (colonne) ma poche osservazioni (righe), una situazione che rende difficile la modellazione usando le tecniche di regressione lineare.
Aashish ha dimostrato alcune tecniche utili, ora disponibili come due demo su richiesta .
Utilizza JMP per Principal Component Analysis (PCA), Partial Least Squares (PLA) e regressione stepwise e utilizza JMP Pro per alberi potenziati, foreste di bootstrap e reti neurali. PCA aiuta a spiegare la variabilità creando una serie di variabili non correlate dall'insieme originale di osservazioni. Il PLS genera fattori latenti dai predittori e dai dati osservabili. Le foreste di bootstrap e gli alberi potenziati consentono di evitare previsioni troppo ottimistiche o distorte dai dati specifici utilizzati. Le reti neurali consentono di determinare quali dati utilizzare per la convalida incrociata, adattare le reti a uno e due livelli con la scelta delle funzioni di attivazione e automatizzare la gestione dei valori mancanti.
Le tabelle dati utilizzate da Aashish nelle demo sono disponibili all'interno di JMP come dati di esempio (HELP> SAMPLE DATA).
Chiudiamo il 2012 con altri due webcast di giovedì. Il 10 novembre, Mary Loveless dimostrerà come analizzare i dati sensoriali per sviluppare prodotti di consumo, e il 17 novembre Jeff Perkinson mostrerà come creare mappe personalizzate che consentano di visualizzare le analisi. Interessato? Semplicemente Registrare e poi unisciti a noi.
