JMP Pro 전용 기능(JMP Pro 13용 업데이트)내부용: 이 문서는 현재 내부용입니다.
JMP® Pro 전용 주요 기능. JMP Pro에는 JMP의 모든 기능과 아래 나열된 분석을 위한 추가 기능이 포함되어 있습니다.
예측 모델링
신경망 모델링
- 누락된 데이터의 자동 처리.
- 그래디언트 부스팅을 사용하여 은닉 유닛의 수를 자동으로 선택합니다.
- 1층 및 2층 신경망에 모두 적합합니다.
- 입력 변수의 자동 변환.
- 세 가지 활성화 함수(쌍곡선 탄젠트, 선형, 가우스).
- 무작위로 생성된 교차 검증 열을 저장합니다.
- 변환된 공변량을 저장합니다.
- 유효성 검사 열을 지원합니다.
재귀 파티션 모델링
- 방법 선택: 결정 트리, 부트스트랩 포리스트(랜덤 포레스트 기법), 부스트 트리, K개의 최근접 이웃, 나이브 베이즈
- 무작위 시드 설정, 다중 스레딩 억제, 조정 설계 테이블 사용, Boosted Trees 및 Bootstrap Forest에서 사용 가능한 확률적 경사 하강법.
- 유효성 검사 열을 지원합니다.
- 전용 모델 출시 옵션: 부트스트랩 숲, 부스트 트리, K 가장 가까운 이웃과 순진한 베이즈.
모델 비교
- JMP Pro에서 구축된 모델을 비교하십시오.
- 프로파일러.
- 적합 통계(R2, 오분류율, ROC 곡선, AUC, 리프트 곡선).
- 모델 평균.
유효성 검사 열 만들기
- 데이터를 훈련, 검증 및 테스트 부분으로 자동 분할합니다. 유효성 검사 열 생성.
- 홀드백 세트를 생성하기 위한 공식 랜덤, 고정 랜덤, 계층화된 랜덤, 그룹화된 랜덤, 컷포인트 방법.
- 유효성 검사 열 역할을 클릭하여 플랫폼 시작에서 유효성 검사 열 생성(수식 무작위만 해당).
포뮬러 디포
- 수식 열 스크립트를 저장하고 관리합니다.
- Discriminant, Fit Least Squares(7개 명령), Fit Logistic(Nominal and Ordinal), Decision tree, Bootstrap Forest, Boosted tree, Uplift, K 최근접 이웃, Naive Bayes, Neural, Latent class analysis, Principal components(wide 및 희소), 회귀, PLS, 가우스 프로세스 일반화.
- 스코어 코드 생성: SAS(DS2), C, Python, Javascript, SQL(구문 옵션 선택 가능) 다른 목적지에 대한 ).
- Model Comparison을 사용하여 Formula Depot에 수집된 모델을 직접 비교합니다.
- 프로파일러.
- 스크립트 표시, 스크립트 복사, 수식 복사, 수식 복사 열 변환, 스크립트를 실행하여 데이터 테이블에 수식 열을 생성합니다.
- 데이터 테이블 열에서 수식을 추가합니다.
적합 모델
일반화 회귀
- 정규화 기술: Ridge, Lasso, 적응형 Lasso, Double Lasso, Elastic Net, 적응형 Elastic Net.
- 순방향 선택 및 2단계 순방향 선택.
- 분위수 회귀.
- 중도절단된 데이터를 처리하여 생존/신뢰도 데이터로 변수 선택을 수행할 수 있습니다.
- Cox 비례 위험.
- 일반 시뮬레이션 플랫폼에서 사용하기 위해 시뮬레이션 공식을 저장합니다.
- 정규, LogNormal, Weibull, Cauchy, 지수, 감마, 베타, 이항, 베타 이항, 포아송, 음의 이항 분포.
- 0 팽창 이항, 베타 이항, 포아송, 음의 이항, 감마 분포.
- 검증 방법 선택: 검증 열, KFold, 홀드백, 남겨두기, BIC, AICc, ERIC.
단계적 회귀
로지스틱 회귀(명목 및 순서)
표준 최소제곱
부분 최소 제곱(PLS)
- Fit Model의 PLS 특성은 연속 또는 범주 응답을 지원합니다. 연속 또는 범주 요인, 상호 작용 및 다항식 항.
- NIPALS 스타일의 결측값 대치.
- 무작위로 생성된 교차 검증 열을 저장합니다.
- 중심화 및 척도화 옵션을 적용하기 전에 다항식 효과에 포함된 개별 변수를 중심화하고 척도화하는 X 표준화 옵션.
- 유효성 검사 방법 선택: 유효성 검사 열, KFold, 홀드백, 남겨두기.
혼합 모델
- 고정, 무작위 및 반복 효과를 지정합니다.
- 변수 그룹을 연관시키고 주제 및 연속 효과를 설정합니다.
- 반복 공분산 구조의 선택.
- Variograms는 어떤 공간 상관 구조가 가장 적합한지를 결정하기 위한 시각적 진단 역할을 합니다.
텍스트 탐색기 분석
- 잠재 클래스 분석.
- 잠재 의미 분석(Sparse SVD).
- 주제 분석(회전된 SVD).
- 클러스터 용어 및 문서.
- SVD 및 주제 산점도 행렬.
- 열 저장: 문서 단일 및 주제 벡터, 연관을 위한 누적 DTM.
- 공식 저장: 특이 벡터, 주제 벡터.
- 벡터 저장: 용어 및 주제.
다변수 방법
판별 분석
전문 모델
가우스 프로세스
- Fast GASP를 통해 수천 개의 행이 있는 모델을 맞출 수 있습니다.
- 가우스 프로세스 모델에 범주형 변수를 추가합니다.
신뢰성 및 생존 모델
RBD(신뢰성 블록 다이어그램)
- 복잡한 시스템 안정성 모델을 구축합니다.
- 기본, 직렬, 병렬, 매듭 및 N 노드 중 K를 사용하여 시스템을 구축합니다.
- 디자인 라이브러리의 요소를 사용하여 중첩된 디자인을 구축합니다.
수리 가능한 시스템 시뮬레이션(RSS)
- 이산 이벤트 시뮬레이션 기반 엔진.
- 기존 유지 관리 지원: 기성 구성 요소로 수정 유지 관리 및 예방 유지 관리.
- 나 RBD 측면을 따라 유지 보수 배치의 다이어그램 표현을 소개합니다. 단일 작업 공간.
- 그룹화된 유지 관리 및 유지 관리 종속성에 대한 아이디어를 전달하기 위해 구성 요소 전반에 걸쳐 이벤트와 작업 요소 간의 도식적 연결.
파라메트릭 생존
- Fit Model의 Generalized Regression 특성에 대한 브리지를 통해 변수 선택을 지원합니다.
일반화 회귀
- 중도절단된 데이터를 처리하여 생존/신뢰도 데이터로 변수 선택을 수행할 수 있습니다.
- Cox 비례 위험에 대한 지원.
- Weibull, LogNormal, Exponential, Gamma, Normal 및 ZI 분포 제품군을 지원합니다.
커버링 어레이
- 커버링 어레이를 설계하고 분석합니다.
- 추가 실행 감소를 위해 생성된 설계를 최적화합니다.
- 허용되지 않는 조합 필터를 사용하여 실행 불가능한 테스트 영역을 지정하십시오.
- 다른 소프트웨어에서 생성한 커버링 어레이 가져오기 적용 범위를 분석하고 선택적으로 추가로 최적화합니다.
소비자 조사
업리프트 모델
- 제안이나 치료에 가장 호의적으로 반응할 가능성이 가장 높은 소비자 세그먼트를 식별하기 위한 의사결정 트리 방법.
- 증분, 트루 리프트, 네트 모델링 기술.
- 유효성 검사 열을 지원합니다.
초이스 모델
- Hierarchical Bays in Choice 지원
- 주제 추정치 및 Bayes Chain을 저장합니다.
연관 분석
- 장바구니 분석을 지원합니다.
- 텍스트 탐색기 플랫폼에서 생성된 누적 문서 용어 매트릭스를 분석합니다.
고급 전산 통계
편도 분석
비상 사태 분석
일반 부트스트래핑
- 한 번의 클릭으로 대부분의 보고서에서 부트스트랩 통계를 볼 수 있습니다.
일반 시뮬레이션 기능
- 한 번의 클릭으로 대부분의 보고서에서 통계를 시뮬레이션합니다.
- 거의 모든 것에 대한 전력 계산.
- 파라메트릭 지원 부트스트랩
- 무작위화 테스트.
보관소JMP 프로Re: JMP Pro 전용 기능(JMP Pro 13용 업데이트)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />LTW -- RSS 섹션에 글머리 기호를 추가할 수 있습니까? 또한 중복되는 품질/신뢰도 및 일반화 회귀 기능에 대해 내가 적어놓은 것을 검토하시겠습니까?
브래디브래디 -- 이것은 내가 13을 위해 업데이트하는 작업을 하고 있는 어제 이야기했던 문서입니다. 잠깐 살펴보시겠어요? 저는 두 번째 눈을 사용할 수 있습니다.
