224978_zh-CN

liliconcom

JMP 13的新增功能和JMP Pro 13的新增功能和演示视频

JMP 13的新功能

一般可用性增强

• 重组后的菜单将新功能纳入了“分析”和“ DOE”菜单。 
• 新的JMP Starter和JMP Pro Starter可以识别JMP和JMP Pro之间的差异。
• 绿色的运行按钮可简化“表格”窗口中正在运行的脚本。
• 仅Windows：快速打开使文件易于搜索和查找。
• Friendlier Formula Editor提供全屏编辑，公式术语搜索和过滤。

将数据导入JMP

• 导入运行时的条件过滤器可在联接或更新联接表时帮助塑造数据。
• 查询保存到数据表中以供重新使用，刷新和使用新数据更新。
• 当您希望将表分开以分配表维护并最小化RAM需求时，虚拟联接会将表合并到临时内存中。
• 列面板列出了虚拟联接表和列信息。

简化设计比较

• 一份报告比较了多达三个运行次数不相等的设计的相关性，预测差异，混叠和效率的统计数据和图形视图。
• 当您添加或删除模型项或预期系数估计或标准误差发生变化时，报告会自动更新。

使用Graph Builder增强数据探索        

• 并行绘图处理连续或分类数据的交互式询问。
• 树形图可以合并任意数量的嵌套值。  新的交互式菜单使您可以根据自己的规范配置地图。
• 条形图和位置图例可以显示在图的内部，并且轴可以自定义为多种复杂程度。
• 四种新方法可以绘制丢失的数据。
• Graph Builder和其他平台提供了不同的图形转换。

使用非结构化文本

• 文本分析技术可以在数据探索和分析中使用相关的文本变量。
• 自定义规则使您可以指定处理文本的准则。
• 术语和短语列表，从文本资源管理器中重新编码，按文档（行）检查的关键字和短语，以及词干识别文本中的模式。
• 指示符值（标志）标识包含特定单词或短语的行。
• 通过选择的变量以交互方式阴影的词云有助于识别文本模式。
• Graph Builder可以汇总，分析和可视化数据中已识别单词或短语的普遍性。

筛选多个进程

• 流程图显示了整个流程的运行状况。
• 可定制的测试和指标筛选大量流程，以快速识别值得进一步分析的目标流程。
• 界面使您可以轻松地按指标搜索，排序和绘制图形，并且可以针对特殊原因交互地选择一个或多个测试（Western Electric规则）。
• 新的过程筛选移位图和过程性能图比较过程。

分析非正常过程能力

• 流程能力报告从一个平台运行，而与流程分布的正常性无关。
• 新功能索引图显示所有变量的值，包括使用非正态分布建模的变量。

构建仪表板并使用新方法保存结果

• 仪表板可以编译报表，这些报表可以基于过滤器进行钻取，过滤和刷新。     
• 重新呈现仪表板后，根据查询生成的数据表的数据将自动更新。
• 模板和拖放构建仪表板，也可以使用拖放来重新配置。
• Graph Builder为所有元素（轮廓图，饼图，平行图，树形图和公式）生成完全交互式的HTML报告。
• 可定制的统一Web报告缩略图显示提供了交互式报告的界面。
• 多文件导出将多个JMP文件保存到Excel Workbook。

       

JMP Pro 13的新功能

选择和组织非结构化文本以进行分析和建模

• 选择要用于不同文本浏览任务的JMP Pro功能。 
• 识别倾向于同时出现的文本术语。
• 使用聚类和潜在类分析来分组和浏览相似的文档。
• 报告周期性主题和文档。
• 使用文本数据建立预测模型。

使用公式库存储和部署预测模型

• 将预测公式和模型元数据存储在一个地方（公式仓库）
  比较模型时可以轻松访问。
• 将分析器和比较报告添加到公式库。
• 在C，SAS或SQL中生成得分代码，以在JMP之外共享模型。

使用广义回归进行变量选择，线性建模和DOE分析

• 处理左，右和间隔检查，以启用具有变量选择的事件时间模型。
• 对非拦截模型使用惩罚方法。
• 使用Cox比例危害模型。
• 使用特别是LASSO的BIC概括的新ERIC拟合统计量，并部署新的double-LASSO以提高预测准确性。
• 当潜在影响超过行数时，为基于OLS的建模采用两阶段正向选择。
• 检查交互式ROC和提升曲线以得到分类响应，并通过预测变量绘制残差以得到连续响应。
• 建立在非传统设置中使用参数自举和功率估计的仿真。或预期的系数估算值或标准误差发生变化时。

使用关联分析识别相似或相关项目

• 使用交易清单使高数据集更宽。
• 将带有分隔字段的字符列转换为多列。
• 使用“常用项目集”可以查看具有特定单词值的项目的百分比。
• 解释关联规则，规则置信度和相似或相关项目的提升值。

模拟可修复系统

• 描述昂贵的，可修复的系统如何运行并预测预期的组件或系统故障时间。
• 预测不同时间段内的服务时间和系统可用性。
• 确定应同时维护或修理的组件或系统。
• 预测给定时间范围内的累积故障和维修成本。

构建复杂的混合模型

• 使用新的协变量结构，包括不等方差，可交换（复合）对称性，可交换不等方差，具有或不具有不等方差的Toeplitz以及具有或不具有不等方差的前依

使用分区更快地构建复杂的决策树

• 指定随机种子值并禁止多线程处理，以确保Bootstrap森林和Boosted树的结果可重复。
• 部署Bootstrap森林和Boosted树时，请使用调整设计表。
• 使用随机梯度增强可以更快地拟合增强的树，这也使模型对于过度拟合更加健壮。 

使用朴素贝叶斯进行分类响应

• 使用快速且计算简单的朴素贝叶斯方法拟合模型以预测类别变量的值，该方法特别适用于存在大量预测变量的情况。
• 保存预测公式以进行模型比较。