En el 13 de octubre de 2011, Mastering JMP webcast, el ingeniero de sistemas Aashish Majethia demostró cómo usar JMP y JMP Pro Modelar datos de alta dimensión. Estas técnicas son útiles cuando tiene muchos indicadores (columnas) pero pocas observaciones (filas), una situación que dificulta el modelado utilizando técnicas de regresión lineal.
Aashish demostró algunas técnicas útiles, ahora disponibles como dos demos bajo demanda .
Utiliza JMP para el análisis de componentes principales (PCA), mínimos cuadrados parciales (PLA) y la regresión por pasos, además utiliza JMP Pro para árboles reforzados, bosques de arranque y redes neuronales. La PCA ayuda a explicar la variabilidad al crear un conjunto de variables no correlacionadas del conjunto original de observaciones. PLS genera factores latentes a partir de los predictores y los datos observables. Los bosques de arranque y los árboles reforzados le permiten evitar hacer predicciones que son demasiado optimistas o sesgadas por los datos específicos utilizados. Las redes neuronales le permiten determinar qué datos utilizar para la validación cruzada, ajustar redes de una y dos capas con las funciones de activación que elija y automatizar el manejo de los valores faltantes.
Las tablas de datos que Aashish usa en las demostraciones están disponibles dentro de JMP como Datos de muestra (AYUDA> DATOS DE MUESTRA).
Cerramos el 2012 con dos webcasts en vivo más los jueves. El 10 de noviembre, Mary Loveless demostrará cómo analizar datos sensoriales para desarrollar productos de consumo, y el 17 de noviembre, Jeff Perkinson mostrará cómo construir mapas personalizados que ayudan a visualizar los análisis. ¿Interesado? Simplemente registro y luego únete a nosotros.
