399863_ja-JP

liliconcom

JMPおよび実行可能解アルゴリズム（2021-US-45MP-841）を使用した回帰モデルの相互作用の調査

レベル：中級

 

Joshua Lambert、シンシナティ大学助教授

 

回帰モデルを構築するプロセス中に、科学者は、関心のある1つ以上の変数の影響を評価する必要がある場合があります。 加法回帰モデルでは、効果（治療など）は、考えられるすべてのサブグループ（性別、人種、年齢など）で等しいと見なされます。 考えられるすべての相互作用の影響をチェックすることは、時間がかかりすぎるか、デスクトップコンピューターでは不可能です。 新しいJMPアドインは、アルゴリズムであるFeasible Solutions Algorithm（FSA）を実装します。これは、多変数回帰モデルに追加する2方向および3方向の交互作用を特定することにより、大規模なデータセットのサブグループ固有の効果を調査することを目的としています。 この講演では、FSAについて簡単に紹介し、RパッケージをJSLに移動した方法を説明し、FSAJMPアドインを使用して独自の回帰モデルの相互作用を調べる方法についてのチュートリアルを提供します。

 

 

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
ジョシュアWランバート	こんにちは。
ROBYN GODFREY	こんにちは私はロビン・ミー・ジョシュです。
	はい。
ROBYN GODFREY	ネオ。
ジョシュアWランバート	はじめまして申し訳ありませんが、ここでパワーポイントを開いています。
ROBYN GODFREY	わかった。
	共同プレゼンターはいますか？
ジョシュアWランバート	いいえ。
ROBYN GODFREY	了解しました。ここでリストを下に移動します。これを記録しているので、記録されていることを口頭で確認します。
	はい。
ROBYN GODFREY	携帯電話インターネット通知は無音です。
ジョシュアWランバート	はい。
ROBYN GODFREY	ええ、私はWindowsのタスクバーのようなものだと思います。そして、それはすべてあなたの電子メールが途中で消えるようなものだと確信しています。
ジョシュアWランバート	そして、私はすべてをオフにしているとは思いません。彼らはそれまでそうする必要はありませんでした。
ROBYN GODFREY	タスクバーにあると思います。
	ここで見てみましょう。
	メールを閉じて、大丈夫です。
	わかった。
ジョシュアWランバート	タコスを手に入れました。
ROBYN GODFREY	さて、素晴らしい私はここに身を隠すつもりです。
	これをするために、私がこれをするたびに、私はしなければなりません、私は大丈夫、私が何をしたかを好きでなければなりません。
ジョシュアWランバート	それで。
	プレゼンテーションに関しては、私が始めたときから皆さんがカットすることになると思います。
	ええ、あなたが尋ねようとしている質問があること、または。
ROBYN GODFREY	いいえ、いいえ、それであなたは私がいつもするようにあなたのプレゼンテーションをするでしょう。
	正しく、あなたはあなたがあなたのスライドとすべてを持ち出すことを知っています。
	最初に話してからスライドを表示したい場合は、最初からやり直す必要がある場合などに問題ありません。お知らせください。大したことはできません。
	さて、あなたはあなたがカメラのように小さなクリップです、あなたが本当に近くにいるように少しだけバックアップする方法はありますか？
	私はあなたの顔全体を見るのが好きではありません、私はのように見ることができます。
ジョシュアWランバート	私が忘れたことを知るために。
ROBYN GODFREY	ええ、少しだけ。
	または、カメラを少し下げてください。
	それは良い。
	それはいいですね、私たちはあなたの肩やものをもっと見ることができます。
	ミュートを続けるので、数秒待ってください。そうすれば可能です。
	準備ができたら開始します。
	素晴らしい。
ジョシュアWランバート	こんにちは、みんな。 私の名前はジョシュ・ランバートです。 私はシンシナティ大学の助教授であり、JMPユーザーとして約10年になります。
	そして、実行可能ソリューションアルゴリズムと呼ばれる、私が開発したアルゴリズムを使用して構築したアドインを使用して、回帰モデルの相互作用を調査するために行ってきたいくつかの作業を皆さんと共有できることを嬉しく思います。
	そう
	本日お話しする内容です。 それで、私は私たちの議論を動機付ける小さな例から始めようと思います、そして私が取り組んできたもの、問題の概要。
	潜在的な解決策。
	次に、ソリューションをRパッケージに実装し、それをJMPアドインに移動した方法と、それを実行するために行ったプロセスについて説明します。 そして、今後の取り組みや、その過程で学んだことについてお話します。
	それでは、少し例を挙げて、今日の議論の動機付けをしましょう。 これをトムをデータサイエンティストと呼びます。 トムに会いましょう。 彼はデータサイエンティストであり、トムは多くの典型的なデータサイエンス活動を行っています。具体的には、トムはJMPで多変数回帰モデルを構築しています。
	彼は主に多くの変数を持つ表形式のデータを扱います。トムは、これらの多変数回帰モデルには複雑さがなく、特に交互作用項と2次項がないことを認識しています。
	そしてトム...それはトムを苛立たせます、そしてトムは機械学習にすぐに入りたくありません。
	したがって、彼は回帰モデルで交互作用効果を調査する方法があることを望んでいます。
	彼にはテストしたいインタラクションがありますが、JMPのフィットモデルプラットフォームにそれらを手作りする必要があります。
	そして、ご存知のとおり、これらすべてを実行する必要があると、多くの時間がかかります。 したがって、たとえば、トムのデータセットに200個の変数があり、すべての双方向交互作用を探す必要がある場合、それは19,900個の双方向交互作用をチェックする必要があります。 それは少なすぎます。
	トムは、回帰モデルの相互作用効果をすべて手作業で手作りしたり、これらすべての可能な組み合わせをチェックしたりすることなく、アルゴリズムとデータ駆動型の方法で探索できるのだろうかと疑問に思います。
	それでは、数学的にも統計的にも厳密な方法で、この問題の概要を説明しましょう。 つまり、私たちが問題に抱えているのは、量と複雑さの問題です。
	したがって、ボリュームと複雑さ
	非常に速い速度で成長し続けるでしょう。 常に利用できるデータが増えており、これらのデータの複雑さも増しています。
	相互作用の問題は、チェックするには多すぎるということです。
	通常、データサイエンティスト、統計家、科学者は、チェックするために既知の一連の相互作用を使用して分析に参加する必要があります。
	次に、それらのチェックに進みます。 これはいくつかの方法で問題になります...いくつかの理由で、
	つまり、どの相互作用が存在するかどうかについてはよくわからない可能性があり、データ内でそれらを調査できるようにしたいと考えています。
	ランダムフォレストや、ある種のデータ削減を行うための主成分分析などのモデルに行く必要はなく、そこでさらに複雑になります。 回帰モデルを構築する過程で、実際に何かを実行できるようにしたいと考えています。
	したがって、ランダムフォレストと主成分、および他の機械学習タイプのタスクに関する他の問題は、これらのことを解釈するのが難しい場合が多いことです。追加したいのは、回帰モデルの解釈可能性を維持することです。相互作用を探る。
	したがって、通常、回帰のワークフロー
	そのため、統計家は、必要な変数が追加され、相互作用効果が追加されていない、倹約的な、いわゆる基本モデルの構築に多くの時間を費やしています。
	この基本モデル、統計家は多くの時間を費やします...この基本モデル、多くのリソース、ケアに多くの時間を費やし、それらが解釈可能かどうか、そしてそれらが文脈上意味があるかどうかを考えることに時間を費やします。
	複雑さを含まないこれらの基本モデルの問題は、効果を想定していることです...彼らが推定している効果は、性別、人種、年齢などのすべての可能なサブグループにわたって一貫しており、通常はそうではありませんNS。
	この複雑さの欠如
	この複雑さをモデル化するのに非常に優れた仕事をする機械学習モデルと比較して、人々がそれを使用できないようにします。 したがって、問題は実際には次のように要約できます。
	従来の多変数回帰モデルに完全に到達できず、機械学習モデルに完全に到達できない方法はありますか？
	しかし、真ん中に素敵なスイートスポットを見つけてください。ここでは、相互作用を1つか2つ追加する回帰モデルの優れた解釈可能性を利用できます。
	このビッグデータで見つけたのは、モデルと複雑さに興味深いニュアンスを追加できるようにするためです。これもまた、予測パフォーマンスと優れたコンテキストセンスを追加します。
	したがって、それを行う方法がある場合、私たちが本当にやりたいのは、統計家、データサイエンティスト、および調査員が基本モデルを構築した後に相互作用を調査できるツールを開発することです。
	基本モデルが最初に発生し、次に複雑さの調査が通常2番目に発生します。
	したがって、このようなツールを開発する場合、いくつかの制約と好みがあります。 従来の統計モデルに基づいて、線形ロジスティック回帰が存在することを望んでいます。
	私たちはそれらが解釈可能であり続けることを望んでいます。 可能であれば、チェックするモデルの数を減らしたいので、最適なモデルよりも実行可能なモデルを優先します。 それが何を意味するのかについては後でもう少し詳しく説明しますが、本質的には、実際にはそれが何を意味するのかということです。
	私たちは、優れたソリューションを1つだけではなく、実現可能と呼ぶソリューションが多数存在することを望んでいます。
	また、柔軟性も必要です。 線形回帰、ロジスティック回帰、コックス比例回帰で機能するように適合させることができます。 ポアソン回帰、あらゆるタイプの回帰に使用でき、このフレームワークまたはツールを使用できます。
	また、従来の統計手法と機械学習のハイブリッドになります。 出てくる結果は必ずしも推論的ではありませんが、それらは探索的であり、私たちが将来何をするかに動機を与え、影響を与えます。
	それでは、この潜在的なソリューション、実行可能なソリューションアルゴリズムについて説明しましょう。
	アルゴリズム... FSAと呼ばれることもある実行可能なソリューションアルゴリズム、またはそれは私がそれを呼びたいものです、
	この論文で最初に議論されました...本当に最初に私が2018年に書いたこの論文で詳細に議論されました。
	と
	ここで、アルゴリズムが何をするかを要約します。
	したがって、アルゴリズムの目標は、次数mの交互作用を識別することです（つまり、mが2の場合、双方向の交互作用になります。mが3の場合、3方向の交互作用になります）。
	実行可能な基準があるので、それは必ずしも最良の基準ではない基準ですが、それは
	である基準
	何らかの方法で半最適と見なされる可能性があります。
	したがって、これを行うには、次の手順に従います。 したがって、最初に行うことは、次数mのランダムな交互作用から始めることです。したがって、この場合、双方向の交互作用であると仮定して、mは2です。
	変数の1つのすべての交換と、他のすべての変数の相互作用を検討します。 たとえば、ランダムに開始するとします。
	5つの変数があるので、これはほんの小さな例であり、ここでの手順をやる気にさせるためですが、5つの変数があり、X3、X5、およびそのランダムな開始場所の決定係数である基準からランダムに開始するとします。 、は.5です。
	そして、アルゴリズムが機能する方法は、変数の1つであるX3またはX5を他の変数と交換することを検討するとします。 したがって、私たちの選択は
	X3 X1、X3 X2、X3 X4、X5 X1、X5 X2、およびX5X4。 それで、私が呼ぶすべての可能なものの中で、スワップには少なくとも1つの開始場所変数が含まれていることに注意してください。
	そして、これから行うことは、これらすべてのことです。これらのモデルを適合させ、それらのモデルの基準を把握します。 ここで見ることができるのは
	X3 X5モデルの場合、.5があります。 X3 X1、基準は.4です。
	そして、Rの二乗では、明らかに悪い場所に行きたくありません。より良い場所、より高いRの二乗に行きたいので、考えられるすべての選択肢の中から、どこに行くのが最適かを見つけます。 。
	この例では、行くのに最適な場所はスワップ番号3、つまりX3X4です。 したがって、ステップ3に進み、ステップ2から最良の交換を行います。
	その場合、X3、X4の場所に移動してから、2番目に戻り、改善ができなくなるまで繰り返します。
	したがって、最終的に改善ができなくなるまで、すべてのスワップを考慮して、場所に移動し、そこから開始して、このプロセスを繰り返します。
	そして、私たちはそれを...その場所で実行可能な解決策と呼ぶことにします。
	そして、他の実行可能な解決策を見つけるために、ステップ1から4を繰り返します。 これは何度も繰り返すことができます。このプロセス、この実行可能なソリューションアルゴリズムは、最適なソリューションを提供できるとは限りませんが、最適なソリューションを提供できる場合もあります。
	それでは、このアルゴリズム、実行可能なソリューションアルゴリズムを使用することの副産物のいくつかについて話しましょう。 そして、これらは次のような論文で概説されています
	私の同僚であるエリオットは2021年に書いたところ、先ほど述べたように、選択した基準に最適であるための実行可能な解決策は保証されていないと彼女は述べています。
	つまり、すべての最適なソリューションが実行可能ですが、すべての実行可能なソリューションが最適であるとは限りません。 したがって、実行可能解は一種の半最適解であり、適切な基準、実行可能基準を提供しますが、必ずしも最適なものであるとは限りません。
	ただし、これらの実行可能解の基準は通常、最適な基準に非常に近いため、かなり良い傾向があります。 彼らはただ最高のものほど良くないかもしれません。
	多くの...プロセスを繰り返すと、これは...これらの4つのステップで、潜在的に多くの実行可能解が得られるため、このアルゴリズムを10回実行すると、4つの実行可能解が得られる可能性があります。
	あなたは10の実行可能な解決策を得るかもしれません。 使用しているデータと、そのデータセットの共分散の分散に依存するため、少しです
	いくつの解決策が得られるかについては、未定です。
	そのため、通常、実行可能なソリューションアルゴリズムを何度も繰り返すことをユーザーに推奨しています。これにより、実行可能なアルゴリズムだけでなく、最適なアルゴリズムを取得する可能性が高まり、確実に実行できるようになります。
	スペースを適切に検索しました。 また、最適なものを取得するための妥当な確率を確保するために、ランダムな並べ替えをいくつ実行する必要があるかについて説明している別の論文があります（興味のある方は、ぜひご連絡ください）。 私たちは
	それについての理論論文も。
	しかし、本質的に、これが機能する方法は、これらの相互作用のいくつかがより魅力的であるということです。 彼ら...ベータスペースは他の人よりも彼らを引き付けます、そしてあなたが時々得ることになるのはそれですが
	相互作用は最適なものではありません、それは時々導くことができます...データはしばしばそれを導くことができます
	実行可能な...実行可能なソリューションアルゴリズムを介して、多くの場合、最適な場所よりも頻繁にその場所にたどり着くことができます。これは、データがどのように相関しているかなどに関係しています。
	それでは、Rパッケージについて説明し、それをJMPアドインに移動する方法について説明しましょう。
	そう
	RパッケージはrFSAと呼ばれ、Rをかなり広範囲に使用した人と使用していない人がいる可能性があることを私は知っています。 と
	つまり、Rは本当に素晴らしいプログラミング言語であり、統計プログラムで教えられることが多いので、論文を書いているときにすぐに行った最初の場所でした。
	ご存知のとおり、このアルゴリズムを作成し、コミュニティが独自のデータセット内の相互作用を識別して調査できるようにするためのツールをコミュニティに提供します。
	したがって、rFSAパッケージは、先ほど説明したこの実行可能なソリューションアルゴリズムを実装します。
	大規模なデータセットでの相互作用のために、このパッケージは、決定係数、調整済み決定係数、AICなどの多くの異なる基準の最適化をサポートします
	相互作用、P値など。 また、線形モデルや一般化線形モデルなどのさまざまなモデリング戦略をサポートし、Cox比例ハザードモデルなどの他のタイプのモデリングで機能するように簡単に適合させることができます。
	また、指定した回数だけアルゴリズムを繰り返すため、複数のソリューションが提供されます。
	では、なぜ...このパッケージをJMPに移行する動機について少しお話ししたいと思います。その理由、時期、方法についてお話します。
	それで最初の質問は、なぜこれをするのかということです。 まず第一に、それは楽しいことです。 私はさまざまなプログラミング言語で書くのが好きです。 JMPのバージョンであるJMPスクリプト言語で書いた経験はあまりありませんでした。
	統計プログラミング言語なので、それを学びたかったので、4年の大部分を費やしたこのRパッケージをJMPに移行するのは楽しいだろうと思いました。
	私はJMPが本当に好きです。 JMPは素晴らしいと思います。 それは私と私のデータにとって本当に素晴らしいツールです
	分析パイプライン。 私は通常、JMPですべてのプロジェクトを開始し、データを調査し、データをプロットし、物事を見て、それからそれらのデータについて多くの良い直感を得ることができます。 そして、私は私の多くが
	同僚、特に私のアドバイザーの1人である彼は、主にJMPで働いており、常にJMPのFSAパッケージを求めていました。
	だから私は、あなたが知っている、なぜ彼にそれを与えないのかと思いました。 彼は確かにそれに値するので、私はそれが良いツールであり、うまくいけば、他の人がそうするだろうと決めました
	それを利用してください。 そして、それは私がこれを行う理由についての私の別のポイントに私を導きます、そして私はrFSAについて多くの素晴らしいフィードバックを得ました。
	具体的には、Rパッケージをダウンロードした人の数を追跡しており、2019年にリリースして以来、ダウンロードした人は16,000人を超えています。
	世界中の人々から数え切れないほどのメールを受け取っています。JMPの人々も同じものにアクセスできるようにしたいと思っています。このアドインを通じて、人々が解釈の仕方を変える本当にクールなインタラクションを見つけられることを願っています。データとそれをどのように理解するか。
	そして、あなたは、まあ、私がこれをいつするつもりだったのかと尋ねるかもしれません。 これは、誰かが私にお金を払っているということではありません。 あなたが知っている、JMPはそれをするために私にお金を払っていません。
	私の現在の立場は、彼らがそれを面白いと思うだろうと思うが、彼らはおそらくこれをするためにたくさんの余分な時間を費やしている私にガンホーではないだろう。
	しかし、幸いなことに、私が自分の立場に組み込んだことの1つは、金曜日の自由時間です。 私は金曜日の午後または金曜日の朝をただ楽しむために開いたままにしておくようにしています、
	私の仕事に関係する楽しいこと。 そして、私はそれをFun Friday Free Timeと呼んでいます。それが、ここ数か月間、Fun Friday Free Timeを利用して、JMPアドインの構築に費やすことにしたことです。
	あなたは、まあ、私がこれをどのように行うつもりだったのかと尋ねるかもしれません。 JMPスクリプト言語を知りませんでした。 どうやってこれをやろうとしていたのですか？ そう
	最初のことは、あなたが知っている、私はそれを学ぶつもりだったということです。 したがって、JSLの学習方法については、非常に優れたリソースがたくさんあります。
	したがって、実際のJMPソフトウェア自体の中にあるJMPJSLコードのサポートがあります。 助けに行くだけで、あなたは正しいことができます...すぐに入る
	そこにあるスクリプトインデックス。 オンラインには無数のことがあります
	JMPスクリプト言語を理解する方法とどこから始めればよいかについて。 そして、community.jmp.comがあります。
	これは、質問をしたり、人々が尋ねた他の質問を表示したり、公開されているコードを借りて、人々が楽しむことができるようにするために、始めるのに本当に最適です。 そして、私はここで何度もそれをしました、そしてそれは本当に素晴らしかったです。
	したがって、これらのそれぞれについてもう少し詳しく説明します。Rパッケージを移動したり、独自のアルゴリズムを記述したり、独自のJSLコードを記述したりすることに興味がある場合は、
	どこから始めればよいかがわかります。 そして、これが終わったら、アドインについて説明します。具体的には、アドインの機能と使用方法について説明します。
	では、どのようにしてJSLを学びますか？ さて、あなたは再びすることができます...
	あなたは彼らが持っている多くのJMPのJSLリソースを通してそれを学ぶことができます。 つまり、ここにリンクされている864ページのスクリプトガイドがあります。
	あなたはグーグルすることができます、あるいはこれが終わった後にあなたはこれらのスライドを手に入れることができて、そしてこれらのリンクを手に入れることができるかもしれません。 JMPにはスクリプトインデックスがあり、ヘルプを参照してからスクリプトインデックスを作成できます。 私はあなたたちのためにここに置きました、本当に使いやすくて始めます。
	JMPに連絡できます。 だから私が最初にしたことは、JMPに連絡をとったことです。 彼女の名前はルース・フンメルです。私はこう言いました。これをやりたいのですが、どこから始めればよいですか？
	彼女は私にその考えについての支持と励ましを与えてくれました。 彼女はそれが素晴らしいと思い、それから私をJSLコードの専門家と結びつけました。
	その名前はマークベイリーです。 そして、マークはこのプロセス全体を通して途方もないものでした。 Markは、スクリプト言語に関する一般的なサポート、コードのレビュー、コードの一部の記述を手伝ってくれました。
	その一部を始めましょう。 そして、私たちは取りました...私たちは過去数ヶ月の間に電子メールを介して約22回行ったり来たりしました。 と
	JMPが私に提供してくれたリソース、私のプロジェクトを喜んで手伝ってくれる直接の従業員まで
	ものすごかった。 つまり、これ以上のことを求めることはできなかったのです。 つまり、これまで他のプラットフォーム用に何かを作成しようとしたときに、このタイプのサポートを受けたことはありません。 だからJMPへの称賛
	これを提供し、これが存在する主な理由です。それは彼らが素晴らしいリソースを提供したからです。
	つまり、community.jmp.comでは、そこで質問したり、回答を得たり、コードを借りたり、認定を受けたりすることができます。
	JMPスクリプト言語。 コミュニティで好きなものを検索できます。Googleと同じですが、JMP専用です。
	そして、あなたはあなたが望むものを何でも検索することができるので、あなたはあなたがやりたいことは何でもJSLとJSLをタイプすることができます、そしてそれについてすでに投稿されているのはおそらくそこにいる誰かです。 ない場合は、ディスカッション掲示板に追加できます。
	そして、借用コードがあります。これは、マークが私に渡したものの1つで、コードを借用します。 コミュニティのウェブサイトにはたくさんのコードがありますが、
	そして人々はそれを理由で共有しました。 だから私は...ここの右側は実際に私が開発したアドインのために借りたものです。 ユーザーに自分の居場所を知ってもらいたかった
	アルゴリズムの実行と、それがどれだけ長くかかるか、またはどれだけの進歩がすでに起こったかという点で。
	そして、JMPで自分のプログレスバーを書きたくなかったので、コミュニティボードにあるプログレスバーを借りて、アドインに直接追加しました。
	JMPの引退したスタッフであるこの人、Craige Halesがこのコードを書き、私はそれを借りました。 おかげで、クレイジ。コードの借用を推奨してくれたMarkに感謝します。 それは私に多くの時間を節約したので、私はそれを本当に感謝し、そしてそれはアドインをずっと良くしました。
	それでは、最後にアドインについて説明しましょう。 それで、なぜこのアドインが必要なのかについてお話ししましたね。 他の人はRパッケージを使いこなしていて、なぜJMPユーザーがそれから恩恵を受けると思うのか、そして私がそれをどのようにしたかについてあなたに話しました。
	そして今、私は実際にそれがどのように機能するかをお見せしたいと思います。これはうまくいけば、この全体の中で最も楽しい部分です。 それで、私はこのパッケージ全体、Rパッケージを私が持っている私の楽しい金曜日の自由時間に数ヶ月でJMPに移しました、それでそれは金曜日のほんの数時間です。 そして、JMPアドイン
	現在、線形回帰モデルとロジスティック回帰モデルでのみ機能します。 後で他のモデルに拡張できるようにしたいと思っていますが、現在は線形回帰モデルとロジスティック回帰モデルで機能します。 もう1つは、アドインが
	他のすべての組み込みJMPモジュールが持っている派手なベルやホイッスルはあまりありません。 たとえば、カテゴリ変数を応答変数に入れても、性格タイプは自動的にロジスティック回帰に切り替わりません。
	私はそれに慣れていません。 このパッケージを使って、人々がそれを使用し、気に入ってフィードバックをくれるように、このパッケージで改善したいと思っていることは、他にもたくさんあります。
	したがって、いくつかの機能が不足しています。 アドインマネージャーの優れた点は、JSLコードを取得するだけで、アドインが存在することです...アドインマネージャー、JMPアドイン、
	これにより、JSLコードから独自のアドインを作成できるため、ボタンを数回クリックするだけで、JSLコードをアドインに変換して、JMPコミュニティ全体で共有できます。
	そして、私はこれをcommunity.jmp.com Webサイトに投稿して、誰もがそこに出て、あなたに見せようとしているそのアドインにアクセスできるようにしました。
	また、これから使用するデータセットにアクセスします。 しかし、これは私の例だけでなく、あなたが持っているどのデータセットでも機能します。
	だから私はあなたにこのアドインの本当に速いライブチュートリアルを与えるつもりです...アドインと呼ばれ、私はそれを相互作用を探求すると呼びました、そして
	これはすべて、前に説明した実行可能なソリューションアルゴリズムを介して行われます。 例は線形モデルです
	ここで2つの変数を修正するので、それが私の基本モデルになります。 私の基本モデルには、連続応答変数と、調整できるようにしたい2つの共変量があります。
	次に、データセットにある10個の変数のいずれかの間で、そのモデルに追加する2次の交互作用を検討したいと思います。
	そして、ランダムに5回開始したいのですが、基準を確認したいのですが、これが現在、に組み込まれている唯一の基準です。
	JMPアドインは、インタラクションのP値を最小化することです。 したがって、私たちがチェックするこれらの相互作用のそれぞれ
	P値を生成し、私がやりたいのは、自分のソリューションを次のようなものにしたいということです。
	非常に小さいP値。 したがって、インタラクションのP値に基づいてスペースを検索し、最適なものに移動します。 したがって、結果には、P値が小さい多くの相互作用があります。 と
	通常、このタイプの手順を実行した後に推奨するのは、実行可能なソリューションアルゴリズムです。
	それをフォローアップして、データをプロットし、モデル内のそれらの相互作用を調べ、コンテキストの意味でそれらについて批判的に考えます。これは、結局のところ、ここでデータを調査しているためです。
	これは決して推論ではありません。 データのシグナルを使用して、このデータにどのような相互作用が存在する可能性があるかを指示しています。
	また、データとアドインはコミュニティのWebサイトに掲載されています。
	了解しました。停止します。これからすぐに抜け出し、プルアップします。
	私が持っているJMPデータセット。 うまくいけば、皆さんはこれを見ることができます。
	ご覧のとおり、非常に簡単な概要ですが、これは実際には私が生成したランダムデータの集まりです。 これには実際の構造はまったくありません。 あります...これは、JMPでランダムに生成されたデータだけの実際のデータではありません。
	ここには20の観測があります。 私は10個の連続変数、説明変数を持っています。
	連続応答変数があり、応答変数をゼロより大きいかゼロより小さいかのいずれかに分類しました。
	したがって、ロジスティック回帰の結果を確認したい場合は、データを使用してロジスティック回帰の例を実行することもできます。
	したがって、アドインを取得したら、Webサイトにアクセスし、アドインをダウンロードし、ダブルクリックするだけで、JMPに直接インストールされます。 本当に簡単です。
	そして、ここに移動するだけで、アドインに移動します。データセットを開いたら、アドインに移動して相互作用を調べます。
	そして、これはここにポップアップします。 ですから、いくつかあります。 したがって、JMPの他のモジュールの場合と同じように、ここの左側にすべての変数が表示されます。
	そして、Yになる応答変数を選択してから修正するので、ここで基本モデルを作成します。 したがって、これらはすべて、モデルに追加する線形の主効果です。 したがって、これには2つの変数があります。
	X1とX2、ここに追加します。 今、あなたがする必要があることの1つはモデリングタイプを指定することです、それで私の中に2つのタイプがあります
	アドインから選択できます。 1つは標準の最小二乗モデリングタイプで、もう1つはロジスティック回帰タイプです。
	そして、これは、前に述べたように、ここに入力した内容に基づいて自動的に選択されることはないため、カテゴリ応答変数を完全に入力でき、切り替わることはありません。 自分で切り替える必要があります。 それはそれらの派手な鐘と笛の1つです、うまくいけば、私は後で行きます。
	それを取り除きます。 これをここに戻します。
	了解しました。これがセットアップです。これで、モデルyがベータ0 +ベータ1 X1 +ベータ2X2に等しくなります。 そして今ここに私が喜んで変数を入れるところです
	...または、相互作用を探したいので、X1からX10までをすべて選択します。 それらを追加します。
	そして、私はそれを大丈夫だと言います、何回、私はアルゴリズムを実行したいですか？ だからここで私は時間のために5回するつもりです、
	相互作用を考慮する順序なので、2つだけ実行します。
	3以下にとどまることをお勧めします。通常、4方向の交互作用、5方向の交互作用を解釈するのは非常に難しくなりますが、
	アルゴリズム...または私がこれを設定した方法は、必要に応じてその高さまで上げることができるというものです。 私は実際には制限を設けていませんが、ここに行くほど、これを実行するのに時間がかかることを知っています。
	だから私は大丈夫を打つつもりです。 これには少し時間がかかります。
	だからあなたは私が借りたコードを見ることができます。
	あなたはそれがここに現れたのを見ることができます、そしてそれは私が道の20％、40％をしていることを私に告げます。
	したがって、これらは解決策です。 したがって、そのチェックが進むたびに、実行可能な解決策が見つかり、最後に表示されるのはデータテーブルです。
	繰り返しになりますが、これはそれらの機能の1つではありません...インタラクションを選択してからヒットできる選択ボックスが必要です
	モデルを作成すれば、JMPがすでに多くのさまざまなことを行っているように、それはすべてあなたのためになりますが、私はまだそこに到達していません。 これは、解決策が何であったかを示しているだけです。
	それで、それはあなたにそれがしたことの一種の要約を与えます。 それで、それは5つのランダムなスタートをしました。 応答変数、固定変数、
	検出された交互作用変数、OK、Rの二乗、そのモデルの調整済みRの二乗、二乗平均平方根誤差、そして交互作用のP値。 さて、ここで見ることができるのはそれです
	（これをクリックすると表示されます）解決策は2つしかないので、次のようになります... X2 X3が1つのインタラクションで、X10X7が別のインタラクションでした。
	そして今、私ができることは、今はそうするつもりはありません。このモデルを構築してこれらの結果を再現し、結果を調べて、これが優れた統計であるかどうかを確認することができます。
	アルゴリズム...または私がここで見つけた良い統計的相互作用？ 私のレバレッジプロットはどのように見えますか？ 私の異なる基準は何ですか
	プロットはどのように見えますか？ そして、私の診断プロットはどのように見えますか？ それらの種類のもの。 そして、私は質問を始めることができます。たとえば、この相互作用はパラメーター推定値などの観点から意味がありますか？
	それは探索的であるため、潜在的な解決策を提供しますが、デューデリジェンスでそれをフォローアップし、実際に得られた結果について考える必要があります
	そして、コンテキストである人々に質問をします...この分野のコンテキストの専門家。 それは通常、私たちが健康科学でこれを使用する方法です。 私たちはこれを健康データと一緒に使用し、相互作用を生み出します。次に医師のところに行き、これがこの効果に意味があるかどうかを言います。
	あなたが知っている、年齢や性別などを超えて一貫していないでしょう。 そして、彼らは通常それについて私たちに話します、あなたが知っている、それについて考えてください。 全体的な考えは、これが将来の研究に影響を与えることを願っています。そこでは、これらの相互作用の影響をさらに探すように研究に力を与えることができます。
	強力な方法。
	では、PowerPointに戻ります。 これがこのチュートリアルでした。 とても使いやすいことがわかります。 それは本当に小さな例でした。 これを増やすことができます、
	データセットが大きいほど、私が行ったプロセス全体にかかる時間が長くなります。 10秒の長さにはなりません。なるだろう、
	データセットの大きさにもよりますが、5〜10分の長さになる可能性があります。 私は完了しました...アルゴリズムを使用し、アドインを使用して100個の変数を含むデータセットを実行しました。
	説明変数であり、約5〜10回のランダムな開始を実行するために実行するのに約7分というその時間の時間がかかりました。
	Rパッケージの方がJMPアドインよりも高速ですが、これが私の最初の試みであり、できれば、さらに高速で改善される反復を通じて、これが私の最初の刺し傷であるためです。
	それでは、将来の改善についてお話ししましょう。 だから私はユーザーが最適化できるようにしたい
	必要な基準に基づいて実行可能なソリューションを見つけます。 したがって、決定係数の最適化、AICの最適化、または誤分類率の最適化に基づいて実行可能なソリューションを見つけたい場合は、
	ご存知のとおり、ロジスティック回帰モデルでは、それができるようにしたいと思います。 そして、それは本当に難しいことではありません、私はただ入ってそれをする必要があります。
	変数の選択に基づいて、モデリングパーソナリティを自動的に保存または選択します。 それは簡単です。 あなたは入れます
	バイナリロジスティック変数、ご存知のとおり、ロジスティック回帰が自動的に選択されます。 それはおそらくそれほど難しいことではないと思います、私はおそらくそれをかなり迅速に行うことができます。 Rパッケージを移動するこのプロセスを経て、それを実行できると確信しています。
	速度を少し上げたいです。 これの速度を改善するために私ができることはたくさんあります。
	だから、それができるようになりたいです。 リコールボタンがいいでしょう。 私は今それを持っていません。 これは、JMPの私のお気に入りの機能の1つは、そのリコールボタンをクリックできることです。
	そして、FSAから得られた結果からモデルの構築に至るまでを合理化できるようにしたいと思います。 そう
	JMPやLassoなどで前方選択を行う場合のように、すでにそれを行うことができます。[モデルの作成]をクリックするだけで、すべての変数が非常に簡単に表示されます。
	この実行可能なソリューションアルゴリズムでそれを実行できるようにしたいと思います。これらのタイプの結果を取得し、モデルの作成をクリックするだけで、すべてが自動的に実行されます。
	あなたがそれらを探求することができるように、そしてまた、うまくいけば、あなたはあなたが見つけたそれらの相互作用をよく理解することができます。
	それで、私が通過したいいくつかの謝辞。 最初はマーク・ベイリーです。 私はあなたなしではそれを成し遂げることができなかったでしょう。 JSLコードをご愛顧いただき誠にありがとうございます。 ルースに感謝します
	マークと連絡を取り合っただけでなく、将軍になっただけで、
	このプロジェクトのサポート担当者であり、良いフィードバックを提供するだけです。 アンとラリー、私はただ感謝します
	JMPと私たちの過去の関係に関係したすべてのこと、そしてこのディスカバリーサミットを行うように私を励ましてくれたあなたの助け。 本当に素晴らしかったし、JMPコミュニティでもっと多くの人に会えることに興奮しています。
	それを通して、ありがとうございます。 あなたはいくつかの方法で私と連絡を取ることができます。 私の大学の電子メールで私に電子メールを送ることができます、それがあなたが物事をするのが好きな方法であるならば、あなたはツイッターで私に連絡することができます。
	また、このJMPアドインをgithubとコミュニティWebサイトに投稿する予定ですので、これらの場所のいずれかをチェックして、今後のアドインの更新を確認してください。
	そうそう、私を持ってくれてありがとう、そして私は私たちの割り当てられた時間の間にあなたの質問をすることに興奮しています、ありがとう。

起こるデータ探索統計とモデリング