数据挖掘和预测建模
分类树 (分割)
使用递归分割方法来预测作为预测变量的函数的分类响应。
JMP功能演示:
分析 > 预测建模> 分割
回归树 (分割)
使用递归分割方法来预测作为预测变量的函数的连续响应。
JMP功能演示:
分析 > 预测建模 > 分割
朴素Bayes
使用贝叶斯条件概率来预测作为预测变量的函数的分类响应。
JMP功能演示:
分析 > 预测建模 > 朴素Bayes
K 最近邻
使用近邻观测值的结果来预测作为预测变量的函数的分类响应或连续响应。
JMP 功能演示:
分析 > 预测建模 > K 最近邻
神经网络
利用灵活的神经网络模型来构建输入和输出变量之间复杂的模型关系。
JMP功能展示:
分析> 预测建模> 神经
文本分析器 - 描述非结构化的文本数据
本页描述了如何使用文本分析器平台来描述非结构化数据中词条和短语的数量与频率。
JMP功能演示:
词条和短语列表,词云。
文本分析器 - 分析非结构化文本数据
本页描述了如何在JMP和JMP Pro利用文本分析器平台来分析非结构化的文本数据。
JMP功能演示:
潜在类分析, 潜在语义分析, SVD 散点图以及保存结果。
关联分析 (市场购物篮分析)
开发一些规则,这些规则用于指示条目高概率的发生(基于其他条目的发生),进而识别那些经常一起发生的条目或者识别那些独立或相关的事件。
JMP功能展示:
如何使用关联分析平台,展示默认经常发生的条目设置和规则,更好地理解输出。
模型比较和选择
使用模型比较平台来对比不同统计模型并筛选最优表现模型。
JMP功能展示:
分析> 预测建模 > 模型比较 (同样也适用于“公式存储库”中的模型比较)