JMP® für interaktives Data Mining
Die JMP-Produktfamilie bietet Techniken sowohl für das explorative als auch das prädiktive Data Mining. Mit interaktivem Data Mining können Sie Muster in Daten mit einer großen Anzahl von Spalten und/oder Zeilen erkennen. Mit den Techniken des prädiktiven Data Minings können Sie Modelle erstellen, die verallgemeinernde Vorhersagen treffen.
JMP verfügt neben den klassischen Techniken wie Regression und Clustering auch über Leistungsmerkmale zum Aufbau von Entscheidungsbäumen oder Regressionsbäumen und zur Erstellung von Modellen neuronaler Netzwerke. Es ist sehr einfach, Ihre Daten aufzuteilen, um die geplanten Modelle auszuformen, zu validieren und zu testen, während die Visualisierungstools Sie in die Lage versetzen, sie in einer einzigen, interaktiven Umgebung zu prüfen und zu vergleichen.
Multi-Thread-Code und Datenkompression bedeuten, dass der Problembereich, den Sie damit untersuchen können, nur durch die Hardware begrenzt ist und nicht durch JMP. Daten sind überall und die Bedienerfreundlichkeit von JMP sorgt dafür, dass Data Mining zugänglicher ist denn je zuvor.
- Partition
- Neuronal
- Clustering
Die Partition-Plattform in JMP ermöglicht Ihnen die Suche nach Sprüngen oder Gruppierungen (Xs), die die Variation in einer Ausgabe (Y) am besten vorhersagen können. Dieser Prozess der Aufteilung von Daten ist rekursiv. Sie können ihn so lange fortführen, bis Sie eine sinnvolle Übereinstimmung finden. Erweitern Sie Ihren Baum durch Entscheidungsbäume, Bootstrap-Forests (nur JMP pro) oder Boosted Trees (nur JMP pro).
Sie können interaktiv einen Entscheidungsbaum mit Anpassung und Validierung bilden.
Die Neuronal-Plattform in JMP ermöglicht Ihnen die Einrichtung voll verbundener neuronaler Netze mit verborgenen Knoten in einer oder zwei Schichten. Jeder Knoten kann eine von drei verschiedenen Aktivierungsfunktionen aufweisen. In jeder Schicht kann eine beliebige Anzahl von Knoten untergebracht werden. Mit der Boosting-Funktion kann Ihr Netzwerk schwierige Fälle lernen und Sie können aus vier Penalty-Methoden eine für Ihren Fit auswählen.
Vergleichen Sie den Effekt verschiedener neuronaler Architekturen auf einen geboosteten neuronalen Fit.
Eine Schlüsseltechnik bei unüberwachtem Lernen ist das Clustering. Es formt Untergruppen, sodass Fälle in einer bestimmten Untergruppe ähnlicher sind als die in einer anderen Untergruppe. Die Cluster-Plattform in JMP ermöglicht die Skalierung und Transformation von Variablen vor der Analyse. Sie umfasst interaktives Clustering mit Hierarchien und dem k-Means-Algorithmus.
Mit dem hierarchischen Clustering wird ein interaktives Dendrogramm erstellt, das Sie vergrößern können, um bestimmte Cluster genauer zu betrachten. Heatmaps und parallele Koordinatenplots unterstützen Sie bei der Beurteilung der optimalen Anzahl von heranzuziehenden Clustern.
Mehr Ressourcen für interaktives Data Mining
Demos
Dia-Präsentationen
Erfolgreiches Data Mining in der Praxis
Nehmen Sie Kontakt mit dem JMP Vertrieb auf
+49 (0) 7031 491 6510
