データマイニング
分類木（パーティション）
パーティションに基づいたモデル（決定木）を構築して、質的変数の応答を予測（分類）するのに最も重要な因子を特定します。作成した木は新しいオブザベーションの予測に用いられます。
取り上げているJMPの機能：
分析 → 予測モデル → パーティション
回帰木（パーティション）
パーティションに基づいたモデル（決定木）を構築して、連続変数の応答を予測（分類）するのに最も重要な因子を特定します。作成した木は新しいオブザベーションの予測に用いられます。
取り上げているJMPの機能：
分析 → 予測モデル → パーティション
判別分析
境界に基づいた統計モデルを使い、複数の連続的な予測変数の関数として、質的変数の応答を予測（分類）します。
取り上げているJMPの機能：
分析 → 多変量 → 判別分析
サポートベクトルマシン（分類）
境界に基づいた統計モデルを使い、複数の予測変数の関数として、質的変数の応答を予測（分類）します。
取り上げているJMPの機能：
分析 → 予測モデル →サポートベクトルマシン
サポートベクトル回帰
境界に基づいた統計モデルを使い、複数の予測変数の関数として、連続変数の応答を予測します。
取り上げているJMPの機能：
分析 → 予測モデル →サポートベクトルマシン
K近傍法
類似のオブザベーションの応答（近傍点）に基づいて、新しいオブザベーションの質的変数及び量的変数の応答を予測します。
取り上げているJMPの機能：
分析 → 予測モデル →K近傍法
ニューラルネットワーク
ネットワークに基づいたモデルを構築して、複数の予測変数が応答に与える影響を記述し、質的変数及び量的変数の応答を予測します。
取り上げているJMPの機能：
分析 → 予測モデル → ニューラル
単純Bayes
ベイズの条件付き確率を用いて、複数の予測変数に基づいて、新しいオブザベーションの質的変数の応答を予測します。
取り上げているJMPの機能：
分析 → 予測モデル → 単純Bayes
検証列の作成（ホールドアウト法）
モデルの予測精度をより正確に評価し、過適合を避けるために、データを学習セット、検証セット及びテストセットに分割します。
取り上げているJMPの機能：
分析 → 予測モデル → 検証列の作成
テキストエクスプローラ - 非構造化テキストの記述
ワードクラウドや語や句の度数表を用いて、非構造化テキストデータを要約します。
取り上げているJMPの機能：
分析 → テキストエクスプローラ
テキストエクスプローラ - 非構造化テキストの分析
非構造化テキストデータを分析（潜在クラス分析、潜在意味分析、特異値分解）して、パターン、類似性、関係性を発見します。
取り上げているJMPの機能：
分析 → テキストエクスプローラ
アソシエーション分析（マーケットバスケット分析）
トランザクションデータを分析して、別のアイテム/イベントが発生したときに、あるアイテム/イベントが発生する可能性を推定するルールを作成します。
取り上げているJMPの機能：
分析 → スクリーニング → アソシエーション分析