Webinar Wednesday

使用Minitab統計分析軟體最新版增強專業數據知識

您擁有比以往更多可用的數據，但您是否使用最有效的方法分析這些數據？我們將幫助您探索新的且改進的方法，以發現可信的見解並學習如何更好，更快，更輕鬆地進行分析。您還將學習分類與迴歸樹（CART®）如何擴展預測分析功能，從而更好地主動地做出決策。 加入全球市場開發經理Jenn Atlas的線上研討會，了解Minitab統計分析軟體最新版本新增的功能。（60分鐘）

發現Minitab Workspace
邀請您參加用戶體驗諮詢師Mindy Tomlinson的線上研討會。您在尋找簡單的解決方案讓工作上”成就達成”? Minitab Workspace提供您強大的視覺化工具、流程圖、腦力激盪圖、以及表單來推動工作。加上直觀的介面，我們的工具有助於從流程中發現機會，致使問題最終更容易解決。很高興與您分享並展示Minitab Workspace這個新產品!

使用新版Minitab/Python整合功能釋放Python

高級資料科學家Mikhail Golovnya將在此線上研討會中介紹Minitab一項令人興奮的新功能 - Python整合。他將透過一系列簡單明瞭的步驟來說明如何設置Python接口。之後，他將介紹新功能的核心元素：首先，如何將Minitab數據（例如個別常量和整欄數據）發送到Python端；其次，如何將Python計算結果發送回Minitab並方便地以文字，圖形和表格形式報告它們。最後，Mr.Golovnya將提供一組簡單的Python腳本來說明所有相關活動。這些腳本可以用為進一步客製和擴展的模板。如此一來，任何人將不需有使用python的經驗就可以輕鬆使用此新功能。新版本的Minitab / Python連接擴展了Minitab的功能，同時保留了長期用戶珍視的Minitab界面便利性。（60分鐘）

機器學習中的複迴歸

Minitab高級統計諮詢顧問Cheryl Pammer將在這個由三部分組成的系列文章的第1部分中，帶您了解從使用迴歸作為一種探索性工具，過渡到將其用作一種強大的機器學習技術。透過實際案例研究，您將了解如何從您的流程中挖掘觀察數據並提取有價值的資訊。同時也將學習如何以及何時使用特定的模型驗證方法，包括使用測試數據進行驗證，留一(leave-one-out)交叉法驗證和k折(k-folder)交叉驗證。透過將驗證合併到模型評估中，您將發現如何提高預測模型的準確性。（60分鐘）

機器學習中的二元LOGISTIC 迴歸

在這三部分系列的第二部分中，我們將過渡到二元羅吉斯迴歸，來預測類別變量或目標結果。通過討論各種功能和模型選擇技巧，我們還將進一步涉足當代預測分析方法。我們將超越p值進行模型簡化，並討論選擇高性能預測模型的幾種策略的優缺點。

機器學習中的分類與迴歸樹

三部分系列的最後一部分中，我們將重點介紹分類與迴歸樹(CART)。CART有許多應用，例如判斷並確定導致缺陷的製程條件，預測欺詐交易的可能性，以及確定製造過程中異常的關鍵驅動因素。我們將使用示例來說明分類與迴歸樹如何在複雜關係的數據中，提供直觀的圖。（60分鐘）