스피커
|
성적 증명서
|
| 스콧 와이즈 |
조사 텍스트 탐색. 제 이름은 Scott Wise이고 JMP 교육 팀의 선임 관리자입니다. |
| |
오늘 우리가 볼 수있는 정말 재미있는 프레젠테이션이 있습니다.이 프레젠테이션의 목표는 여러분에게 좀 더 친숙 함을 제공하는 것입니다. |
| |
JMP 및 JMP Pro에서 텍스트 탐색을 수행하는 것이 얼마나 쉬운 지 그리고 텍스트 탐색을 보는 다른 방법을 보여줄 수 있습니다. |
| |
좋아요, 그래서 우리는 할머니의 칠리와 그것이 텍사스 칠리 요리와 어떤 관련이 있는지에 대해 이야기 할 것입니다. 시작하기 전에 |
| |
텍스트 마이닝과 관련된 용어 중 일부를 폭로 해 보겠습니다. 제게는 5 가지 간단한 단계가 있습니다. 문자 그대로 텍스트에서 어떤 단어가 가장 자주 발생하는지, 심지어 어떤 단어 조합이 가장 자주 발생하는지 알아내는 데 시간을 할애합니다. |
| |
그래서 ??? 구조화되지 않은 텍스트를 통해 보는 것을 바로 호출하고 이것은 무엇이든 될 수 있습니다. 고객이 제품 또는 서비스의 성능에 대해 준 문장 일 수 있습니다. 그것은 수... |
| |
댓글을 통해 사람들이 좋아하거나 싫어하는 것을 파악하는 소셜 미디어가 될 수 있습니다. |
| |
당신의 제품이나 서비스에 관한 어떤 것, 아니면이 사람이 될 수 있습니다. |
| |
사람들이 특허를 신청하는 인기있는 것들을 조사 할 때 특허에 대한 일도 보았습니다. |
| |
그래서 정말로, 그 중에서 어떤 단어가 가장 중요한지 알아내는 것을 요약합니다. 이제 다음으로 준비 할 몇 가지 준비가 있습니다. 관심있는 단어의 작은 목록으로 내려가는 것입니다. |
| |
물론 우리가 그것을 시각화하고 분석하지 않고 모델링 할 수 있다면 우리는 JMP가 될 수 없습니다. 고급 모델링도 할 수 있습니다. 그래서 저는 JMP Pro를 사용하여 버전 15.1을 사용할 것입니다. |
| |
JMP에서 무엇을 할 수 있는지, 그리고 제 질문에 더 많은 답변을 드리는 데 도움이되는 약간의 Pro를 실제로 던지는 부분을 지적 할 것입니다. |
| |
문서, 말뭉치 및 용어. 문서가 될 것입니다 ... |
| |
기본적으로 텍스트의 개별 본문, 텍스트의 각 행을 분석합니다. 제 예를 들어 제 레시피입니다. |
| |
귀하의 제품 또는 서비스에 대해 귀하에게 답변 한 다른 고객 일 수 있습니다. 코퍼스는 실제로 처리하려는 구조화되지 않은 텍스트, 분석 할 텍스트의 본문입니다. |
| |
그런 다음 용어는 질문에 답하는 데 도움이되는 관심있는 단어 또는 단어 조합이 될 것입니다. 그래서 이야기에 대해 이야기합시다. 내가 왜 칠리 요리법을 생각해 봤어? 음, 이것은 |
| |
거의 25 년 전 제가 처음 텍사스로 이사를 갔을 때 저는 대기업에서 일하기 위해 왔고 텍사스의 대부분의 대기업과 마찬가지로 텍사스의 칠리 요리를 많이 먹었습니다. |
| |
그리고 참여를 요청 받았습니다. 모두 참여했습니다. 하지만 그보다 더 많은 일을하도록 요청 받았고, 판사가 되라는 요청을 받았습니다. |
| |
그래서 판사를 거절 했어야 했어요. 신입생에게는 영광이라고 생각했지만 그들이 줄 수있는 유일한 사람인 것 같아서 그 이유를 알게되었습니다. |
| |
하지만 먼저 내가 가져온 고추에 대한 반응에 대해 이야기합시다. 그래서 저는 저희 가족이 항상 사용하는 칠리 레시피를 가지고 있었고 그것은 할머니 릴리안 할머니에게서 왔습니다. |
| |
이건 고추가 아니에요. 이것은 텍사스 사람들이 칠리를 고려한 것이 아닙니다. |
| |
이제 좋은 소식은 내가 먹는 것을 좋아하기 때문에 집을 가져와야한다는 것입니다. 그들은 칠리 외에 다른 것을 고려했습니다. 그들의 고추에는 콩이 없었습니다. 그들의 고추는 풍성하지 않았습니다. 아주 뜨겁고 쫄깃 쫄깃 했어요. |
| |
내 소고기 먹었어. 그들의 대부분은 돼지 고기였습니다. 그들은 올인했습니다. 여기 저를 곤경에 빠뜨린 다른 것이 있습니다. 그들은 할머니의 고추를 좋아하지 않았을뿐만 아니라 심사에서 거의 살아남지 못했습니다. |
| |
진짜 텍사스 인의 진짜 명예 훈장은 가장 뜨거운 고추를 만드는 것이기 때문입니다. 그래서 당신은 이웃을 이기고 싶습니다. 동료를 이기고 싶습니다. 그래서 그들은 온갖 불경건 한 고추와 향신료를 여기에 던졌습니다. |
| |
그리고 나는 단지 그것을 맛 보려고 내 배에 구멍을 뚫을 뻔했다. 그리고 당신은이 모든 우유를 마시고 열을 끄려고 노력하고있다. 그래서 |
| |
그것은 불에 의한 침례였습니다. 그래서 제 추천은 당신이 더위를 좋아하지 않는 한 판사로 들어 가지 마십시오. 좋은 생각이 아닙니다. 하지만 배치하고 싶었습니다. 그것은 항상 나를 괴롭 혔습니다. |
| |
뭐, 왜 우리 할머니의 고추가 잘 안 됐어? 정말 다른 종류의 고추가 있습니까? 그들은 어디에서 왔니? |
| |
그리고 칠리는 정말 멋진 역사를 가지고 있습니다. 실제로 정말 멋진 역사 블로그와 논문을 볼 수 있습니다. |
| |
중앙 아메리카, 대부분 멕시코. 가벼운 요리가 몇 가지 있지만 샌 안토니오에서는 처음으로 주에서 판매되는 것이 관찰되었습니다. 지금은 칠리라는 것을 알 수 있습니다. |
| |
알라모 옆의 오래된 샌 안토니오 광장에 있습니다. 그리고 그것은 가축 운전에 사용되었고 인기를 얻기 시작했고 그 후 중서부를 통해 전국의 한가운데까지 올라갔습니다. |
| |
그리고 저는 St. Louis World 's Fair에서 많은 식품 혁신이 만들어 졌다고 들었습니다. 알다시피, 그들이 상영되었을 때 정말 시작되었습니다. 이것이 그중 하나였습니다. 칠리는 |
| |
St. Louis World 's Fair는 정말 인기를 얻었습니다. |
| |
그래서 다양한 종류가 있습니다. 그래서 아이디어는 제가 ... 재료와 조리법에 텍스트 탐색을 사용할 수 있다면? 전체 조리법을 가져다가 버리면 어떻게되는지보세요. |
| |
그리고 나는 그것을 무엇과 비교하고 싶습니까? 그래서 저는 전통적인 지역이 무엇인지 찾아 보았습니다. 텍사스에서 미시간까지 몇 개가있었습니다. |
| |
텍사스에는 다양한 품종이 있습니다. 텍사스 보울 레드는 내가 맛보고 있던 것입니다. 칠리 콘 카르네입니다. ㅏ |
| |
Frito 파이는 축구 경기에서 얻을 수있는 것이지만 루이지애나에는 자체 버전이 있다는 점에서 매우 유명합니다. 녹색 고추와 닭고기를 곁들인 뉴 멕시코에는 자체 버전이 있습니다. 오클라호마, 캔자스 시티, 스프링 필드, |
| |
일리노이 주, 신시내티와 스카이 라인 칠리가 스파게티 위에 올려졌습니다. 미시간. 코니 아일랜드, 핫도그, 아시다시피 그들이 거기에 올려 놓은 칠리 소스는 심각한 칠리입니다. |
| |
어디에서 왔는지 알 수없는 화이트 칠리. 채식 칠리. 하지만 지금은 많은 스타일이 있습니다. |
| |
그래서 각 스타일에서 세 가지 레시피를 가져 와서 할머니의 칠리를 제어하기 위해 비교하면 내가 원하는 것을 찾을 수 있을까요? |
| |
그래서 우리는 이것을 할 것이고 저는 여러분들에게 보여 드릴 것입니다. 제가 단계들을 밟으면 서 저는 여러분들에게 단계들의 요약을 보여줄 것입니다. JMP에서. |
| |
첫 번째 단계는 데이터를 요약하는 것입니다. 우리는 우리가 좋아하는 단어를 찾고 싶습니다. |
| |
이제 들어가면 어떻게 되나요? |
| |
이 텍스트 분석,이 텍스트 데이터는 제 재료와 같이 텍스트 탐색기에 들어가 라이브러리를 통해 실행됩니다. |
| |
정규 표현식을 사용하고 정규식과 같은 단어를 생각하고 일상적인 말의 일부일뿐입니다. |
| |
그리고 그들은 그다지 도움이되지 않습니다. 내 목록에 "the"와 "and"가 있으면 도움이되지 않습니다. 그래서 그것은 당신이 신경 쓰지 않는 단어를 꺼내도록 도와줍니다. 그리고 예, 사용자 정의 할 수 있습니다. |
| |
그리고 그것은 이미 꽤 강력한 것이 내장되어 있습니다. 그것이 제가 사용한 것입니다. 그리고 형태소 분석. 어간은 당신이가는 곳이고 |
| |
당신이 단어처럼 어떻게 취급하고 싶은지 말하세요. 그래서 "dice"는 "dice", "dicing", 당신은 복수형, 다른 ... 다른 ... |
| |
루트 단어의 다른 버전. 모든 것을 어근으로 세고 싶습니까, 아니면 분리하고 싶습니까? 그래서 그것은 고려 사항입니다. |
| |
그리고 요약 한 후에. 이 말을 듣겠습니다. 여기에 단어 목록이 있습니다. 뒤에있는 사람은 편집되지 않은 다음 앞에있는 사람 |
| |
실제로 우리가 살펴본 단어 목록의 크기입니다. 그래서 당신이하는 일은, 당신이 신경 쓰지 않는 단어를 찾고, 그들을 중지 단어라고 부르고, 기본적으로 이것을 제거하는 것입니다. 내가 신경 쓰지 않는 것들의 내 라이브러리에 다시 추가하십시오. |
| |
정말 중요한 문구를 가져올 수도 있습니다. 일단 이것들이 있으면 우리는 일부를 시각화 할 수 있습니다. |
| |
제 경우에는 제가 정말 재료에 관심을 갖게 된 것을 볼 수있을 것입니다. 그래서 우리는 어떤 성분이 가장 자주 나오는지 볼 수있을 것입니다. |
| |
여기에서 단어 구름과 단어 구름을 자주 볼 수 있습니다. 단어가 클수록 단어가 더 자주 발생합니다. |
| |
그리고 당신은 그것을 클라우드에서 볼 수 있습니다. 그냥 산발적 인 레이아웃으로 보거나, 가장 큰 단어가있는 순서를 볼 수 있습니다. 그것은 |
| |
슬라이드 앞에있는 그래프입니다. 그 후에 우리는 그것으로 뭔가를 할 것입니다. 그래서 우리는 몇 가지 기본 모델을 만들 수 있습니다. |
| |
이를 수행하는 가장 쉬운 방법 중 하나는 목록에서 관심있는 단어를 알고 나면 |
| |
데이터 테이블에 다시 추가 할 수 있습니다. 이를 문서 용어 매트릭스 저장이라고합니다. 이 경우 간단한 방법은 바이너리입니다. 여기에 별도의 열이 있습니다. 오른쪽에서 볼 수 있습니다. |
| |
"양파"는 그 열에있는 하나의 조리법을 가지고 있습니다. 그렇지 않은 경우 0이 있으므로 여기 열에서 0과 1을 얻을 수 있습니다. 그리고 가장 중요한 것이 무엇인지 알 수 있습니다. |
| |
그리고 많은 경우에 제가 갇힌 경우, |
| |
아마도 저는 이것으로 심사 점수를 받았을 것입니다. 음, 여기에 각 레시피와 관련된 숫자 점수가 있습니다. 어떤 재료를보고 싶어 |
| |
높은 점수를 얻는 것이 일반적입니다. 그게 제가하고있는 일 이니 좀 더 예측 가능하게 해보세요. |
| |
하지만이 경우에는 그룹화를 살펴 보겠습니다. 저는 요리법과 같이 그룹화하고 할머니의 칠리가 떨어지는 곳을 보는 데 정말 관심이 있습니다. 그래서 우리가 어떻게 할 것인지 보여 드리겠습니다. 하지만 먼저 JMP로 이동하여 JMP에서 이러한 단계를 수행하는 방법을 보여 드리겠습니다. |
| |
여기 내 원시 데이터가 있습니다. |
| |
여기의 모든 문서에서 모든 행에는 구조화되지 않은 텍스트가 있으며 제 경우에는 원시 재료 일뿐입니다. |
| |
여기에있는이 셀 중 하나를 클릭하면 문자 그대로 성분이 복사 된 것을 볼 수 있습니다. 루이지애나에서 온 케이준 칠리를위한 첫 번째 것이 있습니다. |
| |
"토마토", "고추 가루", "꿀"처럼 내가 신경 쓰는 단어가 있습니다. 내가 신경 쓰지 않는 "할 수있다"라는 단어가 있습니다. |
| |
"1", "2 파운드", "티스푼"과 같이 내가별로 신경 쓰지 않는 성분 측정 일 것입니다. 그래서 우리는 이것을 어떻게 처리할까요? 그래서 우리가 할 것은 |
| |
분석으로 이동하고 텍스트 탐색기로 이동하여 해당 성분을 텍스트 열에 넣을 것입니다. |
| |
나는 모든 용어에 대한 형태소 분석 방법을 요청합니다. 매우 도움이됩니다. 그런 다음 내장 된 정규식을 사용할 것입니다. |
| |
나는 괜찮다고 말하고 이제 여기에 내 초기 목록이 있습니다. |
| |
이제 제가 할 수있는 것은 제가 신경 쓰지 않는 것들을 선택할 수 있다는 것입니다. 숫자는 신경 쓰지 않습니다. 여기에 들어가서 강조 표시하고 마우스 오른쪽 버튼을 클릭 한 다음 불용어 추가라고 말하면 내가 신경 쓰지 않는 항목 목록에 추가됩니다. |
| |
"고추 가루"는 어떻습니까? 자체적으로 필요한 것 같습니다. 그래서 저는 그 문구를 우클릭 할 것입니다. 그리고 나는 add phrase를 말하고 그것을 추가합니다. |
| |
따라서 간결한 크기의 목록을 얻을 때까지이 작업을 수행합니다. |
| |
난 그냥 내 |
| |
그것으로 나의 완성 된 목록. 그리고 여기에 발견 된 정규식에서 나온 모든 단어가 있습니다. |
| |
내가 추가 한 것 |
| |
그리고 중지 단어. 이제 완성 된 용어와 구문 목록이 있습니다. 그래서 저는이 문구를 추가했습니다. 나는 걱정한다. 그래서 "양파"가 가장 높았고, "소금", "커민", "고추 가루"순입니다. |
| |
짐작할 수 있듯이 이것은 시각화하기에 정말 좋을 것이고 우리는 단어 구름을 가지고 있습니다. 여기에 모든 것에 대한 단어 구름이 있습니다. 다시 여기에있는 빨간색 삼각형 옵션 아래에서 나오는 내용을 더욱 선명하게 만드는 순서로 변경할 수 있습니다. |
| |
중앙에두면 재미있는 일입니다. 데이터에 필터를 추가 할 수 있다는 것을 알고 있으며 할 수있는 일은 때로는 다른 작업을 수행하지 않고도 시각적으로 답을 찾을 수 있다는 것입니다. 그래서이 경우에는 여기로 이동하여 |
| |
빨간색 삼각형. 로컬 데이터 필터를 가져 오겠습니다. 저는 유형을 살펴보고 말하겠습니다. 음, 살펴 보겠습니다. |
| |
릴리안 할머니의 고추가 어떻게 생겼는지, 당신은 "토마토"와 "강낭콩"그리고 "쇠고기"를 알고 있습니다. 케이준 칠리와 비교하면 어떻습니까? |
| |
그들은 칠리 파우더와 소고기를 나눴지만, 거기에 다른 것이있을 수도 있습니다. 그게 칠리 베르데와 비교하면 |
| |
녹색 칠리가 더 많이 들어갑니다. 그리고 그들은 거기에 생 칠리와 할라피뇨, 닭고기 육수, 그 모든 종류의 닭고기 국물이 있습니다. |
| |
그래서 이것은 정말 흥미롭지 만, 제가 무슨 일이 일어나고 있는지 알아 내기에는 충분하지 않을 것입니다. 그래서 나는 갔다 |
| |
(그리고 이것은 또 다른 것입니다 ... 여기 빨간색 삼각형 아래에 모든 옵션이 있습니다.) 로컬 데이터 필터를 끄고 모든 항목을 선택했는지 확인했습니다 (여기에서 확인해야 할 것 같습니다). 내 조건을 모두 살펴보고 있습니다. |
| |
여기에 299가 있습니다. 마우스 오른쪽 버튼을 클릭하고 "문서 용어 매트릭스 저장"이라고 말하겠습니다. |
| |
그리고 내가 그것을 할 때, 그것은 어떤 종류의 가중치를 사용하여 어떤 종류의 가중치를 저장하고 싶은지 물었습니다. 기본적으로 이진법입니다. 제가 사용할 수있는 빈도가 있습니다. 얼마나 많은 용어를 사용하는지 알다시피, 데이터 테이블에서 실제로 자리를 차지하기위한 최소 용어 빈도입니다. 그리고 나는 이미 그것을했습니다. |
| |
그래서 제가 가로 질러서 보면 ... |
| |
실제로 |
| |
계속 진행하여 어떻게 생겼는지 보여 드리겠습니다. 그래서 "문서 용어 행렬 저장"이라고 말하고 "좋아"라고 말하겠습니다. |
| |
이제 슬라이드에서 보여 드렸듯이 이제 제가 관심있는 용어를 모두 얻었습니다. 그리고 첫 번째 "양파"가 있습니다. 여기에 "고추 가루"가 있습니다. |
| |
레시피, 아시다시피, 행. |
| |
그래서 저는이 케이준 칠리에 칠리 가루가있는 것을 압니다. |
| |
0이 있으면 |
| |
여기 이건 오 클라 호 만 칠리처럼 보이거나 안돼요. 미안합니다. 뉴 멕시코 칠리에는 칠리 가루가 없었어요. 그래서 그게 바로 작동합니다. 그리고 이것은 모델링에 사용될 수 있습니다. 따라서 JMP에서 적합 모델 분석으로 이동하여 가져 와서 이것을 실제로 일부 유형의 모델에 적용 할 수 있습니다. |
| |
하지만 제가하려고하는 것은, 제가 실제로 예측하려고하는 것이 아니기 때문에 어떤 성분이 저에게 더 높은 점수를 줄 것인지 알죠. 난 좋아하는 게 없어요 |
| |
여기에서 출력 데이터를 알고 있습니다. 정말 함께 그룹화하고 싶습니다. JMP Pro에서 들었습니다. 실제로 할 수 있습니다. 여기 슬라이드로 바로 돌아가겠습니다. |
| |
그리고 저는 데이터 분석에 대해 이야기하겠습니다. 따라서 추가 분석을 수행하려면 |
| |
JMP Pro에서는 정말 좋은 그룹화 기술을 수행 할 수 있습니다. 이들은 다변량 방법이며 텍스트 분석을 처리하는 데 특화된 방법이며 이러한 문서 용어 매트릭스 작업은 텍스트에 관한 것입니다. |
| |
그리고 그것은 잠재 클래스 분석이라는 것을 사용합니다. 용어 중 하나입니다. 이 기술을 사용하는 데 익숙하다면 주요 구성 요소와 유사합니다. 하지만 기본적으로 |
| |
우리가보고 싶은 데이터 그룹이나 클러스터의 수를 물어보십시오. 그것은 그 다차원 적 공간을 볼 것입니다 |
| |
해당 열에있는 모든 항목과 여기 모델의 중요한 용어에 대한 문서 용어 행렬 사이에 |
| |
단어 목록 맞죠? 그리고 그것들을 그룹화 할 것입니다. 제 경우에는 세 그룹으로 나눌 수있었습니다. |
| |
그래서 다진 쇠고기, 토마토 소스, 칠리 파우더, 콩으로 칠리 요리법이 많은 것 같은 클러스터 1이 있습니다. |
| |
여기에 닭고기와 녹색 고추, 생 고추와 많은 관련이있는 클러스터 2가 있습니다. |
| |
그리고 다시 칠리가 많이 들어있는 클러스터 3이 있습니다. 그러나 그들은 더 많은 붉은 고추 였고 그들은 일종의 돼지 고기 기반이었고 이것은 많은 의미가있었습니다. |
| |
좋아, 그래서이 클러스터를 만들 때 행별로 클러스터 확률을 사용할 수있었습니다. |
| |
레시피, 내 문서의 내 행, 맞습니다.이 독창적 인 ... 내 제어 레시피, 어디에서 떨어졌고 얼마나 강한 지. 클러스터에 할당 한 이유는 무엇입니까? 그리고 내가 이것을했을 때, |
| |
22는 할머니의 집이었고 ... 할머니의 통제였습니다. 그리고 나는 그녀가 미주리 주 캔자스 시티에서 온 요리를 포함하여 다른 요리법과 함께 클러스터 1에 모여 있음을 발견했습니다. |
| |
매우 가까운 24 번에 하나가 있습니다. 이제 클러스터 3에 대한 텍사스 요리법에는 매운 고추, 향신료 ... 많은 양념이 들어 있고 종종 돼지 고기와 콩이 없습니다. 콩은 클러스터 1에 나타 났지만 클러스터 3에는 나타나지 않았습니다. |
| |
클러스터 2 |
| |
그린 칠리에 더 가깝습니다. |
| |
뉴 멕시코에서 볼 수있는 것들에 대해 더 많은 것을 알 수 있습니다. 닭고기 기반의 칠리, 녹색 칠리가있는 것들입니다. |
| |
좋아, 무슨 일이 있었는지 매치를 할 수 있었고 레시피를 찾았 어. 그리고 미주리 주에서 온 세 가지 대표자 중 하나는 |
| |
캔자스 시티 칠리라고 불 렸는데 릴리안 할머니의 칠리와 거의 일치했습니다. |
| |
그래서 제가 어머니 께 이것에 대해 물었을 때, 저는 "음, 왜 이런 일이 일어날 수 있습니까? 미주리에서 온 줄 몰랐어요. " 그리고 그녀는 "이 모든 것이 말이됩니다."라고 말했습니다. 그녀는 "할머니 릴리안, |
| |
그녀는 미주리 주 세인트 조셉의 농장에서 자랐고, 그녀는 유일한 소녀 였고 11-12 명의 형제가있었습니다. 그래서 그녀는 요리를 많이 했어요. " |
| |
그건 그렇고, 그녀는 대학 교육을받은 유일한 사람이었고, 그녀는 그녀가 사는 동안 꽤 진보적이었고 내가 가장 좋아하는 친척 중 하나 였지만 그녀의 요리법은 이것을 매우 잘 보여주었습니다. 라이브가 어떻게 생겼는지 보여 드리겠습니다. |
| |
그래서 내가 가면 ... |
| |
이 지점에서, |
| |
내가 만든 데이터로 돌아가서 그 핫스팟 아래에서 JMP Pro가 제공 할 수있는 이러한 추가 모델을 요청할 것입니다. 그 방법을 사용하는 잠재적 인 클래스 분석 클러스터 문서가 있습니다. |
| |
용어 행렬을 문서화하는 이진 방식을 기반으로합니다. 그래서 문서를 사용합니다. 문서 용어 매트릭스를 사용합니다. 예, 저장하지 않아도 자동으로 생성됩니다. |
| |
잠복 의미 분석도 있습니다. 조금 더 수학을하고 좀 더 고급 방법을 사용합니다.하지만 둘 다 기본적으로 같은 일을합니다. 저는 특히이 잠복 클래스 분석을 좋아했습니다. 이것이 제가 선택한 것입니다. |
| |
그리고 나는 세 개의 클러스터를 요청했습니다. 당신은 그것이 차이를 만드는지보기 위해 그것을 가지고 놀 수 있습니다. 그리고 나는 더 많은 클러스터를 시도했고 3 개로 되돌아갔습니다. |
| |
그리고 그 안에서 |
| |
옵션을 사용하면 행별로 클러스터 확률을 볼 수 있습니다. |
| |
그리고 모든 출력 중에서 이것이 가장 합리적입니다. 그러니 제 슬라이드로 돌아가서 할머니의 고추가 어디에서 떨어졌는지 볼 수있었습니다. |
| |
22 살이 었는데 |
| |
22 행. 그리고 그것은 무엇과 잘 결합되었습니다. 이것이 제가이 분석을 할 수 있었던 방법입니다. |
| |
그렇게 간단합니다. |
| |
그래서, |
| |
JMP에서 JMP 텍스트 탐색을 수행하는 기능과 JMP Pro를 사용하고 |
| |
이 클러스터를 찾아 할머니의 칠리를 놓고 일치하는 레시피를 찾으십시오. 더 많은 것을 원하신다면 블로그 링크가 있습니다. |
| |
프레젠테이션에서 ... 클릭하거나 커뮤니티로 바로 이동하여 "할머니 칠리"를 입력하면 해당 블로그를 찾을 수 있습니다. 나도 그와 함께 줄 것입니다. 우리도 줄 것입니다. |
| |
조리법. 그래서 당신도 릴리안 할머니의 칠리를 만들 수 있습니다. |
| |
오늘 이것을 보여 드릴 수있게되어 감사합니다. |
| |
Q & A에 답변 할 수있는 질문을 남겨주세요. 그리고 이것을 시도해보십시오. |
| |
직장, 집, 구조화되지 않은 텍스트 데이터가있는 곳, 탐색하고 질문하고 싶은 곳이면 어디든 가지고 있습니다. 환상적이고 환상적인 방법이며 매우 강력하며 공격에 정말 도움이됩니다. 데이터의 세 번째 차원. |
