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

モデルの比較と選択

競合するモデルの性能を比較、対比して、最良のモデルを選択します。

取り上げているJMPの機能:

分析 → 予測モデル → モデルの比較

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