本帖最后由 核桃木瓜 于 2013-9-23 23:25 编辑
JMP Pro 主要优势_执行复杂分析
JMP Pro 中包含丰富的系列算法,可利用现有数据构建更好的模型。如需挖掘数据,JMP Pro 中包含多种方法供您选择:决策树模型(包括自助法森林和提升树)、神经网络模型、广义(惩罚)回归、交叉验证逐步回归、偏最小二乘 (PLS)、增长建模等等。
如需对复杂系统的可靠性进行建模,JMP Pro 中包含用于构建可靠性方块图的素材,您可依此设计系统模型,执行假设分析、解决薄弱环节,降低系统故障几率。如需利用涉及时间和空间的数据构建并拟合模型,还可使用 JMP Pro 中的混合模型功能。对于需要变量选择的建模任务,JMP Pro 也准备有多种工具帮助您从容应对。除上述所有建模技术外,JMP Pro 还具备其他高级分析功能,包括精确检验和一键式自助抽样。在分析工具箱中配备这些技术后,便可清除通往统计发现成果的一切障碍,增强发掘数据线索的能力。如此一来,便可快速取得突破,提高主动性,更好地掌控未来。
使用 JMP Pro 中的广义回归,您可以创建预测性更强的模型(颇具挑战性的数据也能处理)。
复杂分析_1
JMP Pro 中的高级神经网络功能,包括三个激活函数和两个层、一种验证方法以及梯度提升。
复杂分析_2
创建交叉验证提升决策树模型,可创建多个简单树模型,将一个树模型的任何残差变异与下一个树模型进行重复拟合。
复杂分析_3
自助法森林技术能够借助可用数据的随机子集生成众多决策树,并计算这些决策树中每个因子所造成影响的平均值。
复杂分析_4
逐步回归中加入基于交叉验证的停止规则选项。
复杂分析_5
使用提升法(左)或不使用提升法(右)比较不同架构对于神经拟合的影响。
复杂分析_6
创建多层、交叉验证且具有大量架构的神经网络模型。
复杂分析_7
建模之前,使用“主成分”平台中的变量聚类功能减少预测变量。
复杂分析_8
创建和拟合混合模型来分析涉及时间和空间的数据。
复杂分析_9
使用 JMP Pro 中的广义回归,您可以创建预测性更强的模型(颇具挑战性的数据也能处理)。
复杂分析_10
增长模型可确定最有可能对某种服务或处理方式作出有利回应的消费者群体。
复杂分析_11
您可以使用可靠性方块图进行复杂的系统设计以及发现并解决系统不足。
复杂分析_12
可使用 JMP Pro 中的偏最小二乘建模功能进行统计建模、变量选择和预测分析。
复杂分析_13
使用变量聚类功能,您可以轻松、快速地减少维度,轻易解决预测问题。
|