これまでのブログで示してきたように、JMPでPython連携を使うメリットは、Pythonのパッケージを利用して、JMPに搭載されていない機能や分析手法を使えるようになることです。 今回はその例として、密度ベースのクラスタリング手法 HDBSCAN をJMPのPython連携で実現する方法を扱います。JMPにはk-means法などのクラスター分析はありますが、HDBSCANは搭載されていません。…
前回（第2回）は、JMPのPython統合機能では、PythonコードからJSLを呼び出すことも、逆にJSLコードからPythonを呼び出すこともできることを紹介しました。 ここで、これまでの例として使用してきたWorld Bank（世界銀行）のデータ取り込みについて、Pythonコードの前半部分を改めて見てみます。対象とするG7の国や年、指標（3つ）を指定して、それらのデータを取り込むコードになっています。 Pythonコード ただし、対象国を絞り込みたい、違う指標も使いたい、対象となる年を変えたい、といった場合には、上記のコードを書き換える必要があります。…
前回（第1回）では、JMPに搭載されているPython統合（インテグレーション）機能を使うと、JMPでPythonのコードが記述でき、「Pythonで分析手法の幅を広げ、JMPで結果を探索・可視化する」というように、双方のよいところを補完し合えるメリットがあることを紹介しました。 今回は、JMP独自の言語であるJSL（JMP Scripting Language）とPythonの関係を取り上げます。…
「JMPでPythonのコードが書ける！」 これは事実ですが、この表現だけだと、「わざわざJMPで書かなくても、Pythonのエディタや統合開発環境を使えばいいのでは？」と思ってしまうかもしれません。 これから説明することは、JMPに搭載されているPython統合（インテグレーション）機能についてです。この機能を使うことで、 「JMPの機能をPython環境を使って強化・拡張できる」 というメリットがあります。 とはいっても、この表現でもいまいちピンとこなく、「結局何ができるの？」と思うかもしれません。…
Bayes（ベイズ）最適化の特徴としてよく挙げられるのが、「少ない実験回数で最適解にたどり着ける」という点です。 1回の実験に時間やコストがかかるとき、この特徴は大きなメリットになります。 昨年9月にリリースしたバージョン「JMP Pro 19」では、Bayes最適化のプラットフォームが追加されました。実際、「実験回数を削減できる」という点に魅力を感じて導入を検討されたり、関心を持たれたりする方が多くいらっしゃいます。 1.「実験回数が少なくても済む」以外の大きな特徴…
以前、日本の気候変動を調査するために、累積和管理図を使って、気温のシフトや変化点を調べていたことがあります。その際、さまざまな観点から試行錯誤しながら分析していたため、JMPの［累積和管理図］を何度も起動していました。 しかし、累積和管理図は、メニューバーから［分析］メニューをたどり、さらに深い階層まで進んで選択する必要があります。1、2回であれば問題ありませんが、頻繁にこの操作を繰り返すのは手間がかかり、少し負担に感じることもあります。 このように、「やることは決まっていて、いつも同じJMPのメニュー（プラットフォーム）を使う」というケースは少なくないのではないでしょうか。…
あなたは環境調査員です。東京都全域（離島を除く）の大気汚染状況を調べたいと考えていますが、時間やコストの都合上、東京都内の任意の50地点でしか調査を行うことができません。 この場合、調査する50地点をどのように決めたら良いでしょうか。東京都全域を対象とするため、可能な限り調査地点を偏らないようにすることが重要です。その一つの方法として、JMPを用いて得られた結果が、以下の地図に示す50地点のプロットです。 調査可能な場所か、調査のしやすい場所かは別にして、測定地点が極端に近くなることがなく、領域全体にバランスよくばらついて配置されていることが確認できます。 ここでの50地点は、JMPの実験計画作成方法の一つである「Space…
日本の出生数の減少が止まりません。下図は、先日公表された日本の出生数（速報値）をもとに、都道府県ごとの過去10年（2015年～2025年）の出生数の減少率を地図上に表したものです。最大で48.1%（秋田県）、最小でも20.7%（東京都）と、大きく減少しています。 データの出典：厚生労働省 人口動態統計 実際に、日本における出生数の推移（速報値）を調べてみると、毎年のように過去最少を更新している状況です。昨年の2025年も例外ではなく最少を更新し、年間出生数は705,809人でした。 減少しているとはいえ健闘した結果に 実は、ちょうど昨年の今頃、2024年までの出生数のデータをもとに、時系列分析を用いて2025年の出生数を予測していました。…
次のデータテーブルをご覧ください。野菜や果物の絵がたくさんあり、楽しそうですね！ 変数名は日本語で書かれていますが、日本語が分からなくても、それぞれの絵を見れば、その変数が何を示しているのか想像できるはずです。このデータは、野菜や果物について、日ごとの消費額を入力したものです。 データの出典：家計調査（総務省） 絵文字は日本発祥 このデータテーブルの彩りは、変数に絵文字のタグを付けることで実現しています。 絵文字（emoji）は、その単語から分かるように日本発祥のものです。絵文字はUnicodeに含まれているため、現在では世界標準として利用されています。 昨年9月にリリースした最新バージョン「JMP…
本記事では、スペクトルデータに対し機械学習手法を用い、試料を識別するための分類モデルを構築する例を示します。 下図は、イチゴピューレの中赤外分光（FT-IR）データを可視化したものです。左側の赤はイチゴピューレ、右側の青色は非イチゴピューレ（イチゴが含まれていない果実由来のピューレ）のスペクトルを示しています。 赤色（イチゴ）と青色（非イチゴ）のスペクトルは、全体として類似した形状を示していますが、特定の波数領域では吸光度（Y軸の値）に差が見られます。 そこで、複数の波数における吸光度のデータを入力とし、イチゴ/非イチゴ を出力（ラベル）として、両者を識別する機械学習モデルを構築します。…
It looks like you're new here. Sign in or register to get started.