|
•
|
|
•
|
|
•
|
|
•
|
「ブートストラップ森」プラットフォームは、学習データから何回もデータを無作為抽出し、その無作為抽出された各データにディシジョンツリーをあてはめ、それらの結果を組み合わせて予測値を求めます。|
•
|
「ブースティングツリー」プラットフォームは、小さなディシジョンツリーをいくつも積み重ねた加法モデルを作成します。各ツリーはそれぞれ少数（通常は5つ以下）の分岐で構成されます。各ツリーは残差に対して再帰的にあてはめられていきます。|
•
|
「K近傍法」プラットフォームは、各データ行の予測値を、その近傍にあるデータから求めます。応答変数がカテゴリカルな場合は「分類」を行い、応答変数が連続尺度の場合には「予測」を行います |
•
|
「単純Bayes」プラットフォームは、応答変数がカテゴリカルなデータに対して、分類を行います。なお、分類に使われる説明変数（すなわち、因子）は、データマイニングの分野では「特徴（features）」とも呼ばれています。
「モデルの比較」プラットフォームでは、さまざまなモデルの予測能力を比較できます。各モデルの適合度を求めたり、診断プロットを描いたりできます。|
•
|
「計算式デポ」プラットフォームは、モデルの整理や比較、プロファイル作成、スコア計算を行います。「計算式デポ」は、JMPデータテーブルとは切り離して候補となるモデルを保存できますので、モデルを比較するのに便利です。|
•
|
|
•
|
|
•
|
|
•
|
|
•
|
「アソシエーション分析」プラットフォームは、一緒に登場する頻度が高いアイテム（項目）を探し出します。アソシエーション分析は、「マーケットバスケット分析」とも呼ばれています。同一のトランザクション内において頻繁に一緒に登場している商品を探し出すのによく用いられます。