321658_ja-JP

liliconcom

同化作用、媚薬または鎮痛剤？

JMPで分析ツールを開発するとき、優先順位を付ける方法について必然的に決定を下す必要があります。

 

筋肉を追加して製品をより強力にする必要がありますか？ よりセクシーでエキサイティングなものにすべきでしょうか？ 痛みを和らげ、イライラや負担を軽減することに焦点を当てるべきでしょうか？ 長いAワードの言葉で言えば、同化作用、媚薬作用、鎮痛作用のどれを選ぶべきでしょうか？

 

ジョン・サルは、その答えは鎮痛剤だと考えています。 痛みの緩和は、開発の中心的な動機付けとなるはずです。 もちろん、この3つは相互に排他的ではありません。 エキサイティングなパワー機能を追加すると、痛みを和らげることもできます。 しかし、痛みは私たちを本当に凍らせ、やる気を起こさせ、私たちのデータが私たちに何を伝えることができるかについての完全ではない視点で私たちを止めさせることができる状態であるため、痛みの軽減が中心です。

 

 

 

自動生成されたトランスクリプト...

 

スピーカー

トランスクリプト

Jeff Perkinson JMP機能の開発に関して、次の講演者であるJohn Sallは、私たちがどのように優先順位を付けるかについて興味深い考え方を持っています。 どの機能を優先する必要があります... どの機能に投資したいのか。 では、何が最も重要かをどのように考えますか？ 私たちの製品をより強力にする機能は、私たちが取り組むべきものですか？ それをより魅力的またはセクシーにする機能や、痛みの緩和に焦点を当てて分析の負担を軽減する機能はどうですか？ ジョンは、痛みの緩和が私たちの研究開発チームの主な動機になるはずだと考えています。 ジョンはSASの共同創設者です。 彼は30年以上前に設立したJMPのリードアーキテクトです。 データを持っていて、それを探索する方法が必要な科学者やエンジニアにとっては、デスクトップ上で視覚的に簡単に探索する方法が必要です。 彼は、JMP開発の背後にある原動力と、私たちが取り組みたい機能に出くわす方法について話します。 それでは、ジョン、あなたを歓迎したいと思います。 ありがとうございました。 ジョン・サルありがとう、ジェフ。 そして、ここでは、ノースカロライナ州ケアリーにある新しいデジタル会議センターからライブを行っています。ここでは、より多くの人に対応できます。 それでは、ライトを少し暗くしましょう。 ええと、私は実際にはここデジタル会議センターにはいません。 私は本当に家にいます。 それで私はホームオフィスを手に入れました。 おっと。 それじゃない。 私たち全員のように。 私は家にいて、この会議を行っています。 しかし、企業のバックグラウンドに切り替えて始めましょう。 だから私は何について話すべきですか？ ええと、JMPがリリースされたとき、JMPに沿った会議の同盟がリリースされたその年に、それが私たちが話していることですが、隔年では常にトピックを選びます。 そこで、1年は大きな統計、翌年はゴーストデータ、2年前は秘密の機能を選びました。 今日の私のトピックは、文字Aで始まる大きな単語です。 さて、これらはJMPを開発するためのテーマを特徴とする言葉です。 それでは、画面を共有させてください。 そして、ここで最小化します。 シェア。 では、どのテーマが最も重要ですか？ そして、ここに3つの単語があります...文字Aで始まる大きな単語です。 ジェフがちょうど述べたように、最初は同化です。 アナボリックとは、筋肉を成長させ、JMPをより強力にすることです。 同化プロセスは臓器や組織を構築し、これらのプロセスは細胞の成長と分化を生み出して体のサイズを大きくします。 したがって、JMPのパワーを高めることはチャンスであり、それはもちろん非常に重要ですが、次の媚薬は、JMPをよりセクシーで、よりエキサイティングな、発見のスリルにします。 したがって、それも属性にします。 しかし、私たちは作業の流れの中であなたの進歩にも気を配っています。そのため、鎮痛剤は3番目の言葉であり、それは痛みの緩和を意味します。 痛みの軽減。 ですから、次のような架空の引用符のようなものを人々に表現してもらいたいのです。 それは多くの痛みの軽減です。 または\！ "以前はそれぞれを個別に行う必要がありましたが、今ではすべてが一挙に行われます。\！" そこにはたくさんの痛みが和らぎます。 または\！ "以前はすべてを実行するために他のいくつかのツールを使用する必要がありましたが、今ではJMPですべてを実行できます。\！" または\！ "私は同僚にそれをとても簡単にした方法を示しました。 そして彼らは驚いた。\！」 または\！ "以前はこれらすべてを手動でプログラムする必要がありましたが、今ではマウスを数回クリックするだけで完了します。\！" または\！ "JMPは私を流動的に保ち、データを運用の詳細に流用するのではなく、データの分析に注意を払い続けます。\！" これらは私たちが聞きたい痛みの軽減の表現です。 さて、なぜ痛みと欲求不満が本当のデモチベーターなのか。 流れは重要です。 流れているときに気が散ることはありません。 流れているときは、データから何かを学び、発見する可能性が高くなります。 現在、権限付与も重要ですが、新しい機能は少数の機能でのみ使用され、古い機能は多くの機能で使用される傾向があります。 そのため、古い機能をより適切に機能させて、それらを使用する際の苦痛を軽減したいと考えています。 そしてもちろん、生産性は、時間の使用に関してツールがどれだけ効果的であるかに大きく依存します。 したがって、結果をより簡単かつ迅速に得ることができれば、それは大きな勝利です。 それでは、たくさんの例を見てみましょう。 まず、データテーブルに付属するスクリプト。 したがって、ここでは、JMPの以前のリリースの例を並べて示しています。 JMP 14または13だと思います。以前は、このボタンでマウスキーを押したままにすると、メニュー項目が表示され、そのスクリプトを実行するための実行ボタンが見つかりました。 しかし、新しい方法では、スクリプトのすぐ横に再生ボタンがあります。 そのため、その再生ボタンをクリックするだけで、メニューをプルダウンする手間が省けます。 まあ、それは大きな勝利ではありません。ボタンをクリックすることとメニューをプルダウンすることの違いはそれほど大きくないと思います。 しかし、これは新しいユーザーにとっても大きなメリットです。新しいユーザーは、ホットボタンが下に実行されることを理解する必要がなくなったからです。 しかし、スクリプトには再生ボタンがあります。 したがって、これらがスクリプトであるという理解が深まります。 また、JMPでは、スクリプトをデータとともに保存する機能が非常に重要です。JMPでは、スクリプトをすぐに学習して、2つほど釣りをしたり、ヒントを調べたりする必要がないようにしたいと考えています。 また、すべてのスクリプトをデータテーブル自体に保存でき、他の場所にスクリプトを保存する場所が見つからないのは非常に便利です。 したがって、新しいユーザーの場合は再生ボタン。 だから、それはその単純な変更だけでいくつかの痛みの軽減です。 そして、これは私たちがJMPでそれほど早く行っていないことを後悔している変更です。 データの準備について話しましょう。 また、データを準備するときにしなければならない大きなことの1つは、複数のソースからのデータを結合することです。 現在、JMPは、バージョン1からでも、ユーティリティに参加する必要がありました。 ただし、これには複雑な対話と複数のデータテーブルの操作が含まれます。 これが私が映画をレンタルしている典型的な例です。顧客、アイテム番号、注文日、注文年を含む映画レンタルトランザクションテーブルがあり、レンタルする映画の在庫、それぞれの詳細があります。映画。 そして、私たちは顧客を持っています...顧客に関する情報など。 そして、私たちは質問をしたいと思います。どの性別がどのジャンルの映画で流行しているかなど、3つの表すべてを含めます。 これには、3つのテーブルすべてを調べる必要があります。もちろん、joinコマンドがその方法です。 トランザクションデータを取得して、顧客とマージします。 そしてもちろん、顧客IDは一致する列であり、トランザクション側から一致しないものを含めたいと思います。 したがって、顧客データがなくても、トランザクションデータを失うことはありません。 これは左外部結合と呼ばれるため、新しいデータテーブルが作成されます。 そして今、そのデータテーブルに、それを在庫データに結合したいと思います。 それで、私はそれをその時に一致するアイテム番号で結合し、左外側結合も必要であり、今は別のテーブルがあります。 これで、3つのテーブルではなく、5つのテーブルがあり、その結果が結合されましたが、ジャンルごとに性別の質問に答えることができます。どの性別がどのタイプの映画をより多くレンタルする傾向があるかを確認できます。 そして、これらすべての新しい中間データテーブルの作成も含まれていました。 はるかに簡単な方法があり、これらの追加の手順と追加のテーブルだけの苦痛を大幅に軽減できることがわかりました。 したがって、このテーブルでこのテーブルを元に戻します。 そして、tablesコマンドの下で指摘したいのですが、JMPクエリビルダーと呼ばれるコマンドがあります。これにより、テーブルを結合するための続編機能が表示されます。これは、すべての結合ダイアログよりもはるかに簡単ですが、それでも新しいデータテーブルを作成します。 しかし、2、3のリリース前に、私たちは痛みをさらに軽減するさらに優れたものを発表しました。それは仮想的な結合です。 したがって、このトランザクションテーブルを見ると、すでに結合されていることがわかりました。 つまり、映画の在庫テーブルを作成したときに、アイテム番号によって一意に識別されたということです。 そのため、アイテム番号を指定してから、それによって一意に識別されることを示すリンクIDを指定します。これにより、そのテーブルにインデックスを付けることができます。 同様に、顧客データを識別するためのアイテムIDがあります。 そして、トランザクションデータを準備するとき、これら2つには、ある意味で外部キー、リンク参照があり、それらの間の識別IDによって異なるデータテーブルを参照しています。 そして、それは自動的にそれをリンクし、私はすでにその質問に答えるために必要なすべてを持っています。 性別ごとにできるので、やりたい映画のジャンルを見つけることができます。 そして、ここではアクション映画が男性に、家族映画が女性に、ロマンティックコメディが女性にもっと好まれていることがわかります。 したがって、すべての結合を実行する必要なしに3つのテーブルに関する質問に回答しました。これは、テーブル全体でそれらのID列を照合することによって仮想的に結合されるためです。 だから私はそれから多くの痛みを和らげました。 それで、実際、それを閉じましょう。 したがって、データテーブルの結合には、リリースに対する多くの痛みの軽減が含まれていると思います。 再コーディングは、データセットを準備するときに行う他の主なことの1つです。 多くのリリースの非常に単純な再コード化から始めました。古い値と新しい値のフィールドがあり、新しい値は古い値と同じもので開始されました。その後、これらの値をカットアンドペーストまたは編集できます。新しい列または既存の列に再コード化するため。 そして、すべてのリリースの再コーディングは劇的な改善を経ており、私たちはその現在の状態に非常に興奮しています。 それでは、この病院、地区病院のデータセットを見てみましょう。 そして今、再コード化は列ヘッダーの右ボタンまたは右クリックメニューにあります。 そして、私は通り抜けて、たくさんのものを選択して、クリニックのように新しい価値にグループ化することができます。 しかし、ショートカットもたくさんあると思います。 そして、私のお気に入りのショートカットの1つは、同様の値をグループ化することです。 そのため、文字の違いの数などのしきい値を指定すると、それらすべてが自動的にグループ化されます。 したがって、スペルがわずかに異なるすべての地区病院を1つにグループ化します。 そして、私はまだすることができます... それが1つを逃したように見えます。 しかし、大丈夫です。これで、1つを他の病院とグループ化できます。すべての地方病院は、一致する病院によって自動的にグループ化されており、ここで追加の病院を一致させることができるようです。 そして今、突然私は何かを持っています。 私はそのすべての再コーディングを行うのに多くの労力を節約しました。 そしてもちろん、JMP 15では新しい機能を追加しましたが、ここでは紹介しませんが、指摘したいと思います。 すべての...証明された...それらのカテゴリに最適なカテゴリ名を含む別のデータセットがある場合は、マッチングプロセスを実行し、それらすべてに一致するものが見つかったときに最も近いものを選択するように指示できます。 そのため、recodeはリリース全体で多くの進化を遂げ、その操作の苦痛を軽減しています。 そしてもちろん、それについて考えてください。 データの準備と分析にどのくらいの時間を費やしますか？ 多くの場合、時間の70〜90％がデータの準備に費やされています。 そして、その痛みを軽減し、その時間を短縮することが大きな勝利になります。 したがって、再コーディングの痛みが軽減されます。 値をクリックします。 これが都市のデータセットです。 そして、何かの外れ値である可能性があるなど、これらのいくつかの詳細を調べているときに、それをより詳細に調べたいとしましょう。 そして、それをリンクに変えることができます。 それでは、それをウィキページウィキメディアページのものに変えましょう。 そのテキストをそこにコピーして列情報に移動し、それを式ハンドラーであるリンクに変換します。 そして今、私はこのテーブルを取り、それをWebアドレスに変換することができます。 そこで、wikipedia.orgにアクセスして、その都市の名前をタイトルケースに変更すると、その行でテストしてアルバニーを表示できます。 そして今、私は言うでしょう... ああ、わかりました。 そして今、私は任意の都市をクリックして、その都市に関するウィキペディアの記事を入手することができます。 または、マップ座標に変更することもできます。 だから私は...そのテキストをコピーして列情報に行きましょう、そして今それの代わりに、私はそれについてタイトルケースをします。 それが正常に解析されるかどうかを見てみましょう。 そして今、私はデンバーをクリックすることができます、そしてそれはデンバーとグーグルマップに質問します。 さて、私は物事を行うためのリンクにした...私は検索を行うことができ、地図のリクエストを行うことができるなど。 この話を貼り付けてクリックし、都市の名前を話させることもできます。 したがって、これは、Webページにリンクするリンクをデータテーブルに格納したり、ACLで表現できることなら何でも、それらのイベントハンドラーで実行できる大きな力を与えると思います。 だからそれは多くの痛みを減らすことができます。 ですから、私のお気に入りの痛み軽減テクニックの1つはブロードキャストです。これは、コマンドキーまたはコントロールキーを押したままにして複数の操作を行う場所であり、類似した分析が多数あります。 さて、これはメニューコマンドだけでなく、多くのボタンやグラフフレームのサイズ変更など、グラフへの貼り付けなどにも機能します。 それでは、その例を見てみましょう。 そして、クリックしてみましょう...またはこれらすべての列で配布を行います。 そして、この箱ひげ図を取り除きたいとしましょう。 そして、そのメニュー項目を押したままにすると、その項目の箱ひげ図が削除されます。 しかし、私がやりたいのは、すべてのアイテムの箱ひげ図を削除することです。 したがって、コマンドキーを押したまま箱ひげ図のチェックを外すと、これらすべてのチェックがオフになります。 これで、分位数のチェックを外すことができ、すべてのチェックが外されます。これは、そのコマンドを受け取り、そのウィンドウ内のすべてのアクティブオブジェクトでブロードキャストし、そのコマンドを理解するアクティブオブジェクト（たとえば、分位数コマンド）が従うためです。そのコマンド。 今では、対話を促すことに関係するいくつかのことでも機能します。 それでは、要約統計量を見てみましょう。 コマンドキーを押したまま、要約統計量をカスタマイズします。 そして、信頼限界は必要ないが、欠落している値の数は必要だとしましょう。 そして、私は言います、大丈夫、そしてそれはそれをすべてに適用するつもりです... すべてのもの。 そのためには、そのダイアログの結果を取得し、それからスクリプトを作成してから、そのスクリプトをそのウィンドウ内の他のすべての場所にブロードキャストする必要がありました。 今ではそれはいつも起こるわけではありません。 プロンプトが表示されると、分析ごとにプロンプトが表示される場合があります。 リリースごとに、いくつかの詳細を実装しようとします。ダイアログはブロードキャストの前に行われるため、利用可能なすべての場所に同じダイアログがブロードキャストされます。 そしてもちろん、私が変更をブロードキャストできる他のすべてのものは、これらすべてのアイテムのサイズを変更します。または、背景色を変更してブロードキャストでき、すべてのプロットですべての背景色をオレンジ色に変更できます。そのフレームボックスに関連しているようです。 したがって、このブロードキャストは非常に強力なツールになります。 だから、それは私たちのほとんどにとって多くの苦痛を救ったが、今年の初めに来たように、あなたがグループごとに40,000を持っているかもしれない場合がまだあり、彼はすべての40,000に対して逆予測をしたいと思っており、それはあなたに40,000回を促します。 これはバージョン16で修正される予定です。 それはその一人のユーザーにとって多くの痛みの軽減です。 数式列の保存。 数式列が大好きです。 モデルを適合させると、予測の列を保存できます。 しかし、その予測には、その数式を調べたり、変更したり、入ってくる新しいデータに適用したりできるライブ数式があります。 保存式にプロファイリングできます。 JMP Proをお持ちの場合は、フォーミュラデポにアクセスして他の多くのことを行うことができます。 それからコードを生成することができます。 したがって、数式を保存する機能は重要ですが、たとえばグループごとに数式を保存する場合は、非常に微妙なことがあります。 たとえば、これは糖尿病のデータです。ここでは、これらすべての予測因子に対する応答を当てはめますが、性別ごとに個別に行いたいと考えています。 それではやってみましょう。 したがって、性別1と性別2のグループごとに2つあります。 そして、実際には、これらの両方の予測値を保存したいとします。 さて、これを多くの鎮痛法にかける前の昔、あなたがそれを保存したときに何が起こるか、それはローカルデータテーブルに行きました。 REDOの下のデータテーブルウィンドウを見ると、グループ別テーブルが表示されています。 つまり、実際には、gender = 1の場合、この仮想データテーブルには235があり、gender = 1の場合に表示できます。 ここには、そのbyグループを示すテーブル変数があります。 そして、実際に保存されている実際のテーブルではなく、この一時テーブルに保存します。 しかし、少し前に、予測式を保存すると、実際のデータテーブルに保存されます。 これを見ると、gender = 1の場合に保存しました。その式を見ると、gender = 1の場合、それはby group句であり、次の線形結合を形成していることがわかります。その変数の予測。 次に、gender = 2を実行するか、コマンドキーを押して予測式をブロードキャストすると、両方が含まれるようになり、性別1と性別2で両方の句を使用できるようになります。 したがって、グループごとの出力に毎回句を追加します。 ちなみに、他のものを保存するときも、残差の列を保存するときも同じことが起こります。今回はコマンドキーを押し続けましょう。 残余の列を保存すると、グループごとに保存され、グループごとに適切な残余が保存されます。 元の応答から予測された数式を減算したかのようですが、今回は数式の列ではありません。 JMPのほとんどすべての場所で、どこでも実行したわけではありませんが、ほとんどの場所で実行し、グループごとに保存するか、場合によってはwhere句を使用して、元のデータテーブルに保存します。 ifステートメントの条件。 さて、それは多くの労力を節約しました。 それが利用できなかった場合、ttは一時テーブルに保存され、その式をカットアンドペーストして、ifテーブルを元のテーブルに作成する必要があります。 そこで、これらの問題を解決しました。 ここで、もう一度保存し、そのプロセス全体をもう一度実行し、別のことを実行したとしましょう。たとえば、さまざまな変数を使用して、一部の変数を削除し、再度保存しました。 そこで、予測式を保存します。今回はブロードキャストキーを押したままにして、古いものに保存するのではなく、実際に新しいものを作成し、その後に2を追加します。 さて、それを古いものに保存しないことをどうやって知るのですか？ さて、各フィットにはIDがあります。 そして、IDでプロパティを見ると、それに番号があり、フィットごとに再生成される一意の番号があります。IDで異なる限り、グループごとに異なるIDは1つで同じIDになります。パーティション別。 ただし、IDで同じである限り、同じものに保存されます。 そうでなければ、それはそれを保存するために形成する新しい場所を作ります。 また、予測値、特に予測式を言うときはいつでも、属性、作成者、場合によっては他の情報を作成します。 この場合、ターゲット変数yがあり、それが予測されており、作成者は最小二乗法に適合します。 そして、JMP Proモデル比較がある場合など、他のプラットフォームを実行すると、そのモデル比較は、どの予測値がどの作成者、どのターゲットを参照しているかを理解します。 そのため、これらの付加価値プラットフォームに関するすべての情報を追跡できます。 そのため、数式列は新しい句を追加することで機能し、IDによるものを含む他のプロパティが使用されます。 また、予測句をカテゴリ変数に保存すると、変数の全範囲が保存され、各応答レベルの確率と、すべてのメタデータとニーズに含まれるすべてのものが含まれます。 そして、それは多くの苦痛を救うはずです。 したがって、モデルから効果を削除します。 さて、身長を体重で合わせるだけの例を見てみましょう。 さて、これは高次多項式の例です。 これは、6次多項式よりもよく適合する7次多項式です。 しかし、あなたはそれが合うと信じますか？ 高い多項式項を導入するか、より多くの変数を導入することによってモデルに多くの柔軟性を与えると、適合させる機会がはるかに多くなることがわかります。 この場合、最後のデータポイントにぴったり合うように、前のデータと最後のデータポイントの間を柔軟に掘り下げることができます。 そして、それは過剰適合です。 それは方法です...データ自体をフィッティングする代わりに、そのパラメータを使用してノイズをフィッティングします。 したがって、大きなモデルがある場合は常に、過剰適合が問題になります。 したがって、ノイズではなく信号を適合させる必要があります。 結局のところ、予測は使用しているy変数の関数であるため、大きなモデルは予測により多くの変動をもたらす傾向がありますが、y変数はその変数の体系的な部分とエラー部分ですその変数の部分がランダムである場合、その変数の予測にはそのランダム性が含まれます。 また、柔軟性を高くしすぎると、過剰適合の問題が発生し、そのモデルにすべての変数を含めることで、予測が大幅に悪化します。 したがって、その解決策は、モデルを縮小するか、モデルのサイズを縮小するか、モデルの係数のサイズを縮小することです。これにより、モデルのランダム項からの変動が予測値に伝達されなくなります。 したがって、小さなDOEの問題では、データが小さく、データのバランスが取れていて、目的のモデルに正確に適合するため、これは問題にはなりません。 しかし、大規模なモデルの観測データの場合、過剰適合は実際の問題です。 そのため、JMP Proで相互検証を導入するまで、ユーザーはそれを理解しないことがよくありました。 したがって、JMP Proを使用している場合は、検証列を設定できます。検証列は、データの一部を保留して、その保留データセットのエラーを推定します。 そして、これが私が持っている例です...私はコンクリートのこれらすべての成分に基づいてコンクリートの特性を予測しようとしています、そして私はそれのための巨大なモデルを持っています。 そして、そのモデルを実行しただけで、データの一部を抑えて、その上のRの正方形を見ると、SLUMPが必要ですが、非常に適しています。 決定係数79がありますが、適合した検証セットでは、負の決定係数があります。 負のRの二乗は、平均に合わせるよりもうまく収まらないことを意味します。 したがって、平均に合わせると、Rの2乗はゼロになります。 このモデル全体に当てはめると、それよりもはるかに悪いRの正方形になります。 したがって、大きなモデルでは、モデルが非常に大きく、モデルのサイズを縮小するための努力がなかったため、平均を当てはめるよりも悪化する可能性があります。 モデルは、信号ではなくノイズによって支配されています。 したがって、これは注意が必要な問題です。 したがって、重要な部分は、モデルのサイズを縮小できるようにすることです。 そして今、それを行うためのモデルダイアログコマンドを導入しました。 モデルで糖尿病に入りましょう。 私はこのモデルを実行することができます、そして、もし私がこれらの多くを取り出したいとしたら、それほど重要ではありません。 ご存知のように、年齢はモデルにまったく重要ではないので、年齢を排除したいと思います。 それなら、モデルに戻ってそれを思い出すか、年齢をなくすことができます。 または、ここでモデルのダイアログに直接戻って年齢を合わせて削除することもできますが、ここにモデルのリストがたくさんある可能性があり、これらのことを行うために行ったり来たりするのはかなりの量の作業です。 そして、そうするのではなく... 見てみましょう、私はここで何をしていますか。 数リリース前に、効果の概要と呼ばれる新しいレポートを導入しました。 また、効果の要約を使用すると、モデルをサブセット化して予測を改善し、柔軟性を低下させることが簡単にできます。 だから私は、まあ、年齢、私はそれを取り除くことができると言うことができます。 または、まあ、変数はたくさんあります。 さらに3つ削除しましょう。 LDL、まあ、それはもっと重要に見えます。 そして、そのモデルを保存できます。 それをデータテーブルに保存しましょう。 そして、後で戻ってきて、まあ、これを持っているモデルを思い出させてください。 私は実際に前のことを元に戻すことができます。 そして、それを元に戻すことができ、それは3つの変数を取り戻し、それを元に戻すことができ、それは年齢を取り戻します。 つまり、実際には、エフェクトサマリーを使用してモデルを編集すると、それらすべてのメモリが実際に保存されます。 そして、そのスクリプトを見ると、この歴史のことを見ることができます。 したがって、効果モデルを実行するたびに、履歴の節が格納されます。 そして、私が元に戻すを行うとき、それはその履歴にそれを元に戻します。 したがって、削除は簡単です。 追加することもできます。 これらの2つを差し引くと、元に戻すことができます。 たとえば、年齢を追加することができます。 良いことではありませんが、私はそれを行うことができます。 モデルのものとモデルダイアログの小さなバージョンを戻したり、複合効果を追加したりして、モデルを編集することもできます。 大きなモデルで起こるもう1つのことと（これを元に戻します）。 大規模なモデルでは、多くの仮説検定を行っています。 したがって、仮説検定が多数ある場合は、考慮すべき調整がいくつかあり、そのうちの1つは誤検出率と呼ばれます。 したがって、これらすべてのp値を独立したテストであるかのように扱うのではなく、モデルのサブセット化に関連する選択バイアスに対して、これらのp値が複数のテストバイアスに対して調整されるように調整を適用したいと思います。 だから私はそれに偽発見率の修正を適用することができます。 したがって、通常のp値の代わりに、そのための誤検出調整済みp値があります。 そして今、私はより現実的になっています。 したがって、これは、過剰適合の問題と仮説...多くの複数のテストを行う際の選択バイアスの問題に役立ちます。 それでは、次のトピックを実行してみましょう。それが変換です。 モデルを作成したいが、yの代わりにyのログを近似したいとします。 さて、あなたがすることの前に、データセットに新しい列Log yを作成し、次にLogyに対して...を指定します。 数式を実行します。 そして、私はそれのログを取ることができます。 これで、モデルの仕様に戻ってLog yを実行できるようになり、適合しました。 ああ、それは欠けています、私は何をしましたか？ 目的、議論を入力するのを忘れました。 そして今、私はYのログに合わせることができますそして今私はそれをしました。 しかし、プロファイラーをやってみましょう。 私のプロファイラーはYの対数に関するものです。 予測値を保存させてください。 私の予測式はyの対数に関するものであり、今度はそれを手作業で編集する必要があります... その式を取り、その指数をとって元のスケールに戻します。 つまり、そのように変換を行うのは大変なことです。 さて、いくつかのリリース前に、変換を導入しました。 したがって、その変換を取得してログに変換し、そこで直接変換として使用できます。これはデータテーブルの一部ではありません。 これは数式を含む仮想変数ですが、データテーブルには追加されません。 これで、モデルをLogyに適合させることができます。 年齢を削除して、少しフィットするようにします。 おっと。 それも選択しました。 そして今、私は応答Logyを適合させました。 それで、それをプロファイルすると、何が得られますか？ 因子プロファイリング、プロファイラー。 yのログをプロファイリングする代わりに、yをプロファイリングします。 プロファイラーはそれを変換と見なし、その変換を反転して元のスケールに戻すことができると言います。 そしてそれはそれがすることです。 変換を解除し、yの対数を逆変換して予測を取得し、元のスケールに配置します。 そして、それはほどけることができるほとんどの変換のためにそれをします。 変換に複数の変数などが含まれる場合、それは実行できず、変換を実行するだけです。 したがって、列を保存するときの元の同じこと。 予測式を保存すると、yの対数ではなく、年のスケールで予測式が保存されます。 したがって、これらのことは信じられないほど時間を節約し、変換を使用する際の多くの労力を節約します。 だから... もう一度糖尿病に行き、別のことをしましょう...別の変革を考えてみましょう。 変数を実行しているときは、Box-Cox変換を取得できます。 そして、因子プロファイリングの中で、Box-Coxオプションは、パワー関数の全範囲を変換した場合、何をするのが最善かを教えてくれます。 それはただ変容しないべきですか？ これは、Box-Coxラムダ値が1になります。 ゼロを実行した場合、それはログを取得することと同じです。 -1を実行した場合、その逆数を取るのと同じことになります。 -1への力。 約.5を実行した場合、それはその平方根を取ることに相当します。 そして、ラムダが.453である平方根変換に沿っている場合、このモデルはその変換用に調整された変換スケールによりよく適合することを示しています。 これが、Box-Cox変換の最適値です。 そして、拡大鏡でこれを拡大して、より正確に取得することができます。 だから、今私は変換することができます、そしていくつかのリリース前に私はできます...私はいくつかの列を追加しました。 1つは、変換を使用して再調整することです。これにより、変換応答を使用して新しいウィンドウが作成されます。 そしてもう1つは変換を置き換えることであり、私はそれを行うつもりです。 そして、.453ではなく、平方根変換（.5）を使用して、モデルをその変換に適合させます。 そして今、ラムダのベストは約1です。これは、Box-Cox変換によってすでに一度に変換されているためです。 これで、その予測値を保存して、プロファイルを作成することができます。 そして、私はそれを元に戻すことさえできます。 したがって、その変換が気に入らず、元に戻したい場合は、元に戻して再調整できます。 そのため、応答の変換で多くの労力を節約しました。 だから今、特別な苦痛があります。あなたがたくさんのデータを持っているとき、特別な苦痛の場所です。 そして、私たちはより少ない痛みで大きな問題を解決しようと多くの努力をしました。 たくさんの行、たくさんの列、たくさんのグループ、たくさんのモデルを試してみようと、今日の世界では、私たちは大きな問題を抱えたビッグデータの世界に住んでいます。 したがって、元々小さな問題を処理するように設計された分析がある場合、大きな問題には適さない可能性があります。大きな問題の中心的な問題は、出力が多すぎて分類できないことです。 同じモデルを1,000個の変数に当てはめると、1,000個のレポートを並べ替えることができます。 1,000列の中から外れ値を探している場合、外れ値だけがあり、列ごとに個別のレポートなどがあります。 多くの大きなデータセットをより効率的に処理できるようにしたいと考えています。 そこで、これらの大きな問題を解決するためのスクリーニングメニューを開発しました。 さらに、JMPには、大きな問題をより適切に解決する場所がたくさんあります。 たとえば、時系列。 新しい時系列予測プラットフォームは、1つだけではなく、複数の時系列を予測します。 したがって、スクリーニングプラットフォームのアイテムは、外れ値、不足値の探索、パターンの探索を行います。 これらは、データのチェックを行ってから、関連付け、応答スクリーニング、プロセススクリーニング、予測子スクリーニングを探すためのものです。 そしてもちろん、時系列予測は新しい項目です。 スクリーニングメニューにはありませんが、大きな問題を処理するために編成されています。 そして、これらすべてのものは、結果を表すためのよりコンパクトな方法だけでなく、何千ものレポートを作成する必要がないだけでなく、計算効率も高くなっています。 マルチスレッドを使用しているため、CPUの複数のコアを利用して非常に高速になります。 それで、あなたがたくさんのプロセスデータを持っているとしましょう。 568個の変数があります。 では、これらの変数のどれが健康に見えますか？ ウェルプロセススクリーニングは、それに答えるように設計されています。 そのため、安定性で並べ替えたり、機能（Ppk）で並べ替えたり、管理図の測定値や管理外のアカウントなどで並べ替えたりすることができます。 しかし、それでも...私はもっと好きなのですが、すべてのプロセスを1つのグラフに表示するツールがいくつかあります。 そして、私が大好きなものが2つあります。 1つは、各プロセスが仕様制限に関してどのように動作するかを示す目標プロットであり、それが有能なプロセスである場合は、ここのこのグリーンゾーンにあります。 限界の場合は、イエローゾーンにあります。 そうでない場合、それはレッドゾーンにあり、それが高い場合、それはあまりにも多くの変動を持っています。 それがもう一方の側にある場合は、問題があります。 と... それは中心から外れています、それは目標から外れています。 しかし、それがグリーンゾーンにある場合、それは良いプロセスです。バージョン15では、グラフレットが導入されています。ホバーすると、各プロセスにカーソルを合わせると各プロセスが表示されます。 そして、これらすべてを要約し、これらすべてのレポートを確認する手間を軽減するために私が気に入っているもう1つのプロットは、このプロセスパフォーマンスグラフです。 したがって、縦軸には、機能Ppkによる仕様制限内にあるかどうかが示されます。 したがって、1.33でこの線を上回っている場合は、仕様の制限に関する値の分布に関しては問題ないように見えます。 仕様の制限内に十分収まっています。 もし...その場合、安定性指数はx軸上にあります。 したがって、それがかなり不安定なプロセスである場合、たとえそれが可能であるが不安定であっても。 したがって、そのプロセスを見ると、いくつかの周りをさまよっている安定性があるかもしれません。 そして、あなたがイエローゾーンにいるなら、あなたは能力がありますが不安定などです。 レッドゾーンは、あなたが無能で不安定な悪いゾーンです。 そのため、以前は非常に苦労していた数百または数千のプロセスを簡単に調べることができます。 問題は、何が最も変わったのかということです。 これは、何年にもわたって彼らの活動について質問したいくつかの調査データです。 キャンプに行きましたか？ またはカジノでギャンブルしますか？ それとも風邪を引いたのですか？ あなたが知っている、これらすべての活動とあなたはこれらすべての活動の中でどれが（そして私が思うに、95の異なる活動がある）これらのどれが最も違いを生んだか知りたいです。 そして、あなたが探しているのは、あなたが知っている...あなたができることの1つは、一度に1つずつ調べて、調査の年ごとにその活動に適合させることです。 一度に1つずつ見る代わりに。 回答のスクリーニングを見て、1つのグラフを見るだけで、何が最も変化したかを確認できます。 そして、これはそれらの95すべてのチャートを示しています。 まず、偽発見率に合わせて調整された、対数価値と呼ばれるP値の負の対数に関する重要性。 そして、それらすべてのp値をソートしているので、選択バイアスの一部を処理します。 そして後ろを選択します...低いP値。 そして、ビデオテープをレンタルすることで、ビデオカセットテープが最も変わったことがわかりました。もちろん、それらは時代遅れになりました。 それで、もちろん、それは変わりました。 別のビデオカセットテープは大きく変化し、収集されたものはリサイクルに大きく変化し、私の家の人々を楽しませることは大きく変化しました。 これはそれほど重要ではありませんが、効果量が大きいものです。インターネットを使用していますか。 そしてもちろん、この調査はインターネットができる前に開始されました。 それで、それは大きく変わりました。 ですから、何が最も変わったのかという質問は、以前は困難だった今では簡単です。 ビッグデータについて尋ねたもう1つの質問ですが、不足している値はどこにありますか。 だからここに280の変数があります。 不足している値はどこにありますか？ それらについて心配する必要がありますか？ そして、欠測値の調査レポートを見ると、欠測値を持つこれらの変数は5つしかないことがわかります。 また、変数が1つ、欠落値が1つしかないものもありますが、多くのものもあります。 したがって、多変量解析である分析を行う場合、452個の変数のうち376個を含めたくないでしょう。 または、Jを含めたい場合は、それを実行することで、これらの欠落している値を調べて補完することができます。 では、次の質問ですが、データに外れ値はありますか？ ええと、私は387の測定値を持っています、私はこのプロセスで行います。 そして、そこに外れ値があるかどうかを調べたいと思います。 これで、スクリーニングメニューでそれを行う機能ができました。 私はこれを多かれ少なかれ敏感にすることができます。 外れ値と再スキャンが少なくなるように、感度を上げましょう。 私はナインを見ることができます。 多くの場合、9の文字列は欠落値を表すために使用され、それらの9は実際の9である場合がありますが、これらは欠落値の単なる指標である場合があります。 そのため、これらの場合、欠落している値コードにこれらの9を追加すると、メモリが変更されたと言えます。 そして今、私は戻って（ここにはたくさんの変数があります）再スキャンすることができ、心配する必要のある欠落値が少なくなります。 したがって、外れ値を探索することは、以前は苦痛でした。 それでも大きな仕事になる可能性がありますが、以前よりもはるかに簡単です。 現在、バージョン15では、別のスクリーニングプラットフォームを追加しました。 データに疑わしいパターンがありますか？ それで、ここに臨床試験からのいくつかの実験データがあります。 これはニカルジピンのラボパターンデータです。 私が見たいと思うかもしれない27の実験結果があります。 そして、新しいプラットフォームを呼び出して、不足している値を調べます。 そして、これは私に表示されます、私は値の実行を持っていますか？ したがって、値は.03536ですが、行から始まる7つの行があります。 2065年。 私はそれらのセルに色を付けることができ、それらの値を見ることができます、そして多分それは持ち越された最後の値であり、疑わしくないかもしれません。 この場合、それは... それは同じ人です。 したがって、最後の値を繰り越すことは合理的なことかもしれませんが、これらのものを配布した場合、それはまれでまれなイベントです... もし、あなたがこれらのもののためにランダムな分布を仮定するならば。 また、最長の重複シーケンス。 したがって、この変数の場合、行2816から開始し、行3034から開始すると、同じ値を持つ行が4つあります。 ですから、それらを色付けすると、4つ並んでいます。 そして、次のシーケンスに進むと、同じ値を持つ4つの行があります。 したがって、同じ値をある場所から別の場所に切り取って貼り付けることの症状である可能性があります。 したがって、探索パターンはそれらのものを探しています。 そして、これらの27の変数のそれぞれの詳細を調べて、疑わしいものの症状やデータの処理方法の悪影響などを探すことができるものは他にもたくさんあります。 したがって、大きな問題を解決するためのパターンの一部を探ります。 だから、痛みの軽減。 私たちの開発の多くは、分析の流れをよりスムーズに、負担を軽減し、時間と労力を軽減することに重点を置いています。 鎮痛剤。 今、私たちは何が痛いのかを常に知っているわけではありません。 したがって、何に焦点を合わせるかについてはフィードバックに依存しています。 プロンプトに何百回も応答しなければならなかったメールを受け取ったとき、私たちはそれを聞いて痛みを感じ、それを修正して、何千ものものを含むグループにブロードキャストし、1つの結果をブロードキャストできるようにしました。何度も対話するのではなく、対話します。 それで、それを送ることは、私たちが最初にそれを捕まえなかったので、他の誰にとってもそれをより良くしました。 フィードバックをお寄せください。 私たちがすでに行ったすべての改善により、データの準備と分析のプロセスはすでにはるかにスムーズになり、中断が少なくなり、流入が増えたと思います。 したがって、障害を乗り越えることに時間を費やす代わりに、データから学び、データを理解することに時間を費やします。 分析。 もちろん、それらが同じ語根から来たのかどうか疑問に思うかもしれませんが、これらの2つの単語を省略したくはありません。 分析はギリシャ語のanalyeinから来ています、そして私はそれをどのように発音するかわかりません。 しかしギリシャ語では、それは解散、解放、または解放することを意味します。 そして、それは私たちがそれを理解できるように、何か複雑なものを取り、それを細かく分割しています。 もちろん、それはまさに私たちがデータの分析、データサイエンスで行っていることです。 そして鎮痛剤は単語\！ "an- \！"の異なる組み合わせから来ていますなしの意味、および\！ "algesis、\！"それが痛みの感覚です。 だから同じ接頭辞、異なる...少し異なるルート。 そして、それらを省略しないでください。 同化および媚薬。 私たちは力を気にします。 私たちが行っていることの多くは、データを分析するためのより強力なツールを提供することです。その多くは、JMPProとJMPにあります。 そして、データが発見のスリルを刺激することを願っています。 JMPで電源機能の使い方を学ぶスリルと私たちはそれがエキサイティングだと思います。 あなたが知っている、それは媚薬です。 ですから、力と興奮も私たちにとって価値があります。 痛みを和らげるだけではありません。 では、来年は何をするつもりですか？ さて、文字Bで始まる大きな単語。 Aから始めて、次はBですよね？ さて、来年はJMP16が登場します。 そして、それが私たちが話していることです。 翌年、私たちが何について話すのか誰にも分かりません。 どうもありがとうございました。 また、データの分析にほとんど苦労しないことを願っています。 ジェフ・パーキンソンジョン、ありがとうございました。 感謝します。 それは素晴らしい話であり、何年にもわたって多くの痛みを目の当たりにしてきました、それはあなたが言うすべてが絶対に真実であるということです。 痛みの緩和は私たちにとって重要なことです。 1つの質問がありましたが、実際にはいくつかの質問がありました。 Q＆Aでいくつか回答しましたが、私があなたに投げたかったのは、安堵の痛みとして、そして魅力を提供し、JMPをより強力にすることの両方でしたか？ John Sallええと、みんなの大きな喜びはGraphBuilderだと思います。 これらの変数をドラッグして他の数回クリックするだけで、必要なグラフが作成され、簡単に変更できるので、非常に強力です。 だから、それはスリルです。 これは強力な機能であり、痛みを和らげます。以前はそれを行うのが困難でした。 だから、それはみんなの好きなことだと思います。 しかしもちろんあります... JMPは豊富な製品であり、私たちはその中のすべてを誇りに思っています。 実験計画法、そこに含まれるすべての大きな力、そして私たちはそのプロセスも簡単にするように努めました。 そして、非常に多くのことが頭に浮かびます。 ジェフパーキンソンとても良い。 ジョン、どうもありがとうございました。 この話を楽しんでいただけたなら、2つの提案があります。 1つは、これを投稿します基調