Scagnostics JMP 外掛程式 – 探索資料的新方法Scagnostics，即散點圖診斷，由 John 和 Paul Tukey 發現，後來由 Leland Wilkinson 在圖論 Scagnostics (2005) 中推廣。 這些分析在高維度視覺分析：點分佈成對視圖引導的互動探索（2006）中被重新定義。
診斷學的美妙之處在於能夠直觀地探索資料集。 JMP 具有稱為散點圖矩陣 (SPLOM) 的固有功能，它允許使用者同時比較多對變數之間的關係。
然而，當變數數量過多時，SPLOM 就會失去有效性。
這就是診斷學發揮作用的地方！ Scagnostics 評估散佈圖的五個面向：離群值、形狀、趨勢、密度和一致性。
今年夏天，我有幸編寫了這個 JMP 插件，它允許用戶使用九種圖論度量以互動方式探索資料。該插件結合了 JMP 的三個當前功能：分佈、散點圖矩陣和圖形生成器。 散佈圖中的每個點代表一個二維散佈圖。 當使用者在左下角的散佈圖矩陣中選擇一個點時，圖形產生器會在右下角顯示兩個變數各自的散佈圖。
透過 scagnostics，我們能夠在進行探索性視覺化資料分析時發現更多資訊豐富且啟發性的分析。
更新：Scagnostics 外掛程式的 2.1 版已上傳，它更新了啟動器以選擇性地採用預先計算的表作為參數，並且還添加了一個紅色三角形選項來打開分佈的箱線圖。
數據視覺化探索性資料分析公用事業回覆：Scagnostics JMP 外掛 – 探索資料的新方法我在使用 JMP 13 Pro 時遇到同樣的問題 - “名稱未解析”
回覆：Scagnostics JMP 外掛 – 探索資料的新方法很棒的概念！ 很遺憾... 似乎在 JMP13 中不起作用 - 出現“名稱未解析”錯誤。 嘗試過多個資料集。
回覆：Scagnostics JMP 外掛 – 探索資料的新方法<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />謝謝你！為了好玩，我在一個有 1200 列的資料集上運行了這個（當我睡覺時）。然而，透過這樣做，我發現兩個標記（在 1200 個標記中）存在板與板之間的差異（相當於 2 個板的數據）。 這確實是大海撈針（或稱大海撈針）。
回覆：Scagnostics JMP 外掛 – 探索資料的新方法凱倫@boulderstats - 感謝您的意見。我認為更新的插件將解決您的兩個建議。現在您可以保存特徵表並在重新運行 Scagnostics 工具時提供它以避免重新計算資料（感謝伊恩@JMP ！） 。我們還添加了一個紅色三角形選單來顯示箱線圖，這確實使選擇異常值變得更容易。
回覆：Scagnostics JMP 外掛 – 探索資料的新方法Adam，這個插件很有趣，所以我回到了原始論文以更好地理解該方法，並鼓勵其他人看看。 我的評論是：Adam - 請將“平台”保存到特徵表中，以便我們可以保存表格並在將來的某個時間點重新訪問圖形！ 第二個要求是在直方圖上繪製離群值箱線圖，以便更容易選擇一個變數中的離群值。 感謝您的加載項，我已經在數據發現項目中使用了它，並計劃在將來更多地使用它。 期待保存平台功能！
凱倫
回覆：Scagnostics JMP 外掛 – 探索資料的新方法謝謝。這非常有用！
