予測モデルと機械学習
組織の未来を運まかせにしない。
- 回帰、ニューラルネットワーク、決定木などの最新の手法を使用して、より優れた有用な予測モデルを構築します。
- モデルのスクリーニングを用いて、複数の予測モデルを自動的に適合させ、最もパフォーマンスの高いモデルを決定します。
- 交差検証とK分割交差検証を使用し、オーバーフィットを回避します。
- コーディングやアルゴリズムのチューニングなしで、機械学習の手法を使用できます。
回帰分析
- 重回帰
- ロジスティック回帰
- 一般化回帰 PRO
- 分位点回帰 PRO
- 罰則付き回帰 PRO
- 正規化回帰 PRO
- LASSO PRO
- 弾性ネット PRO
- リッジ PRO
デシジョンツリー
- ブートストラップ森 PRO
- ブースティングツリー PRO
- ランダムフォレスト PRO
- 勾配ブースティング PRO
- パーティション
- 再帰的パーティショニング
その他の予測モデル
- k-NN PRO
- 単純Bayes PRO
- SVM PRO
- 判別分析
- 重回帰
- ロジスティック回帰
- 一般化回帰 PRO
- 分位点回帰 PRO
- 罰則付き回帰 PRO
- 正規化回帰 PRO
- LASSO PRO
- 弾性ネット PRO
- リッジ PRO
- ブートストラップ森 PRO
- ブースティングツリー PRO
- ランダムフォレスト PRO
- 勾配ブースティング PRO
- パーティション
- 対話的パーティショニング
検証（交差検証）
- K分割検証 PRO
- データパーティション PRO
- ホールドアウト PRO
- 保留 PRO
モデル選択
- モデルのスクリーニング PRO
- モデルの比較 PRO
- 混同行列
- モデル平均化
- アンサンブル
- 利益行列
モデルデプロイメント
- スコアリング
- スコアリングコード
- モデル管理 PRO
- 計算式デポ PRO
- 予測式
テキストマイニング（テキスト分析）
- 潜在クラス分析 PRO
- 潜在意味分析 PRO
- 感情分析 PRO
- 単語選択 PRO
- テキスト回帰 PRO
JMPなら、データのスライシングやマシンモデルの結果を最も効果的に示す方法を発見できます。明示的に設計されていない作業のために時間を無駄にする必要はありません。
Greg Mattiussi
Senior Director of Manufacturing, Siemens Healthineers
