레벨: 초급
다니엘 발렌테 , PhD, JMP 수석 제품 관리자, SAS
존 와이즈, JMP 세일즈 및 마케팅 수석 부사장, SAS
추상적인
종종 JMP 사용자는 대화형 JMP 세션을 경험하여 많은 창을 남기고 한 번에 보고서를 분석했습니다. 이 "부동 창 모드"에서 JMP를 사용하는 것이 일부에서는 작동할 수 있지만 탭 인터페이스가 선호되는 상황이 있습니다. 또한 사용자는 특정 파일을 분석 프로젝트와 연결하고 홈 창에서 제공하는 전체 목록을 갖고 싶지 않을 수 있습니다. 이러한 이유로 JMP 14에서 프로젝트를 만들었습니다. 프로젝트는 JMP에 대한 단일 문서 인터페이스, 재구성 가능한 탭이 있는 작업 공간, 파일을 북마크할 수 있는 장소 및 사용자가 다양한 열린 창, 데이터 테이블, 스크립트 등을 쉽게 탐색할 수 있도록 하는 창 목록을 제공합니다. 또한 .pdf 및 .ppt 문서와 같은 지원 파일을 시작합니다. 프로젝트는 하나 이상의 개별 분석 활동과 관련된 많은 파일을 빠르게 열고 닫는 데 사용할 수 있으며 병렬 프로젝트를 별도로 유지하는 데 사용할 수 있으므로 여러 JMP 세션을 실행할 필요가 없습니다. 마지막으로 JMP 14의 프로젝트는 보관 기능을 사용하여 작업을 쉽게 공유하고 공동 작업할 수 있는 방법을 제공합니다.
JMP 프로젝트 개요
JMP의 프로젝트는 JMP에서 JMP를 사용하여 데이터 테이블, 보고서, 스크립트, 저널 및 아티팩트를 구성하는 방법입니다. .txt, .ppt, .html, .xls 및 이미지와 같은 외부 지원 파일을 기본 JMP 파일의 논리적 그룹과 연결된 적절한 프로젝트 파일과 연결할 수도 있습니다.
프로젝트 파일 자체(.jmpprj)는 파일을 담는 컨테이너 역할을 하지 않고 디스크의 다른 항목을 가리키는 독립 실행형 파일입니다. 결과적으로 이는 컨테이너 기반 프로젝트의 유연성과 조직적 규율을 제공하는 동시에 운영 체제에서 파일을 찾을 수 있도록 유지합니다.
JMP 프로젝트는 파일 메뉴(파일 > 새 프로젝트)에서 생성됩니다. 새 프로젝트를 생성하면 JMP 창과 파일을 추가할 저장되지 않은 프로젝트가 즉시 열리므로 임시 프로젝트를 쉽게 생성할 수 있습니다.
JMP 프로젝트의 예는 그림 1에 나와 있습니다. 프로젝트에는 세 가지 주요 섹션이 포함됩니다.
- 책갈피 목록: 프로젝트와 연결하려는 디스크의 실제 파일에 대한 링크입니다. 이것은 홈 창에서 선별된 목록과 같습니다. 책갈피는 개별 파일에 대한 링크, 폴더에 대한 링크(하위 폴더를 포함하여 내부 내용을 자동으로 "감시") 및 그룹이 될 수 있으며 디스크에 있는 파일의 폴더 구조에 영향을 주지 않고 프로젝트의 파일에 특정한 로컬 조직을 제공합니다. .
- 창 목록: 열려 있는 데이터 테이블과 데이터 테이블과 연결된 보고서 및 그래프의 계층적 목록입니다.
- 작업 공간: 현재 메모리 내에서 열려 있는 스크립트, 그래프, 모델 출력 및 데이터 테이블을 포함한 창의 탭 목록입니다. 레이아웃은 탭의 단일 열(예: 웹 브라우저)에서 정렬하거나 탭 목록의 열로 정렬할 수 있습니다. 프로젝트를 열 때 레이아웃이 유지되고 프로젝트가 닫힐 때 저장됩니다.
그림 1: 주석이 달린 주요 섹션이 있는 샘플 JMP 프로젝트.
예를 들어 프로젝트는 다음 용도로 사용할 수 있습니다.
- 결과 발표. 이 프로젝트는 그림 2A에 나와 있습니다. 책갈피 및 창 목록을 숨기도록 프로젝트가 구성되었습니다. 프레젠테이션을 실행하는 저널이 있는 단일 탭이 있는 열이 있습니다. 저널에는 스크립트 및 지원 파일에 대한 링크가 포함되어 있으며 클릭하면 프로젝트에 탭으로 표시됩니다. 저널은 프로젝트의 나머지 항목에 메모와 컨텍스트를 추가할 수 있는 기능을 제공합니다.
- 예측 모델링 워크플로. 이 프로젝트는 그림 2B에 나와 있으며 이 백서 뒷부분의 사례 연구 II에서 다룰 것입니다. 단일 데이터 세트에 대한 표준 예측 모델링 작업 수행을 포함하는 프로젝트. 여러 모델이 만들어질 때 Formula Depot에 맞춰지고 저장됩니다. Formula Depot는 자체 열에 있으므로 쉽게 참조할 수 있습니다. 마지막으로 모델 비교가 추가되고 모델을 프로덕션에 적용하기 위한 점수 코드가 생성됩니다.
- 교육청 워크플로. 이 프로젝트는 그림 2C에 나와 있으며 이와 같은 DOE 워크플로는 이 백서 뒷부분의 사례 연구 I에서 다룰 것입니다. 프로젝트는 설계된 실험을 생성하고, 여러 후보 디자인을 비교하고, 데이터를 수집하고, 데이터를 분석하고, 결과를 다른 사람과 공유하기 위한 출력을 생성하는 단계를 구성하는 데 사용됩니다. 또한 실험에 대한 지원 자료(사진, 보고서 등)를 포함할 수 있습니다.
- 스크립팅 프로젝트. 이 프로젝트는 그림 2D에 나와 있습니다. JSL 스크립터가 창을 구성하고 스크립팅하는 동안 더 쉽게 효율적으로 만드는 데 사용됩니다. 프로젝트에는 프로젝트에서 사용하도록 특별히 구성된 모드의 스크립팅 인덱스가 포함되어 있습니다. 작업 중인 스크립트에는 포함된 로그와 책갈피 목록의 지원 파일 또는 기능에 대한 링크가 포함됩니다.
그림 2: JMP에서 프로젝트를 사용할 수 있는 방법.
JMP 프로젝트의 대상 사용자는 누구입니까?
프로젝트는 JMP에서 작업하는 선택적 방법이며 많은 사용자는 JMP의 표준 "다중 창 모드"에서 계속 작업할 것입니다. 그러나 JMP에서 특정 방식으로 작업하거나 창 관리 또는 파일 관리에 대해 특별한 문제가 있는 사람들에게는 프로젝트를 확인할 가치가 있습니다.
많은 사용자는 최대 창으로 Graph Builder와 같은 JMP 플랫폼을 실행하는 것을 선호합니다. 불행히도 JMP의 창이 최대화되면 신규 사용자가 데이터 테이블을 잃어버리거나 현재 열려 있는 다른 창으로 이동하는 데 어려움을 겪기 쉽습니다. 프로젝트는 탭 작업 공간을 활용하여 이러한 많은 문제를 해결합니다. 사용자는 웹 브라우저를 사용할 때와 같이 열려 있는 다른 탭으로 이동하여 다른 분석 보고서나 데이터 테이블로 이동할 수 있습니다.
표준 주간 또는 일일 보고서가 있는 사람들에게 프로젝트는 해당 작업을 지원하는 효율적인 컨테이너가 될 수 있습니다. 예를 들어, 쿼리 빌더와 함께 프로젝트에는 데이터베이스에서 가장 최근 데이터를 가져오고 표준 보고서 세트를 생성하는 스크립트가 포함될 수 있습니다. 그런 다음 이 일상적인 보고 작업을 간소화하기 위해 날짜와 함께 저장할 수 있습니다.
오랜 JMP 사용자는 Windows 버전의 JMP에서 마스터 창을 기억하고(그리고 놓칠 수 있습니다). 이제 프로젝트를 통해 해당 기능의 대부분을 복원할 수 있습니다.
대화식으로 또는 스크립팅을 통해 많은 창을 생성하고 세션에서 길을 잃은 것처럼 느끼는 사용자의 경우 프로젝트가 이러한 고통을 완화하는 데 도움이 될 수 있습니다. 사용자가 한 번에 여러 프로젝트에서 작업할 때 단일 프로젝트를 닫으면 해당 프로젝트와 관련된 모든 파일과 창이 자동으로 닫히고 다른 프로젝트는 그대로 유지되어 수동으로 여러 창을 닫을 필요가 없습니다.
JMP 출력 및 파일에 대한 자체 파일 구성 체계를 이미 만든 사용자의 경우 프로젝트에서 프레임워크를 제공하거나 JMP를 사용하는 폴더 구조 방식에 적합할 수 있습니다. 마지막으로 컴퓨터의 하드 드라이브 전체에 파일이 있는 사람들은 개별 파일을 프로젝트에 추가하여 지저분한 폴더 위에 조직화된 구조를 이동할 수 있습니다.
프로젝트 작업
프로젝트에 파일 가져오기
먼저 새 프로젝트를 생성하여 시작합니다(파일 > 새 프로젝트). 파일 추가를 통해 프로젝트에 파일을 개별적으로 추가할 수 있습니다. 프로젝트에 추가된 파일은 책갈피 목록에 추가됩니다. 파일을 개별적으로 추가할 때 프로젝트에 로컬인 그룹을 생성하여 북마크를 추가로 구성하는 것이 유용할 수 있습니다. 새 그룹 명령을 실행한 다음 그룹 이름을 설명이 포함된 이름으로 변경하여 그룹을 만듭니다.
- 프로 팁 : 그룹을 사용하여 템플릿 프로젝트를 설정하여 새 프로젝트가 필요할 때 쉽게 시작하고 실행할 수 있습니다. "데이터 세트", "참조 스크립트", "쿼리", "그래프 스크립트", "지원 파일" 및 "출력"과 같은 그룹은 새 프로젝트를 생성하기 위한 좋은 출발점이 될 수 있습니다. 프로젝트를 "템플릿 프로젝트"로 저장하고 새 프로젝트가 필요할 때마다 다른 이름으로 저장합니다.
폴더를 프로젝트에 추가할 수도 있습니다. 이는 이미 디스크에 파일이 정리되어 있을 때 유용합니다. 폴더를 추가하기만 하면 프로젝트에 북마크됩니다. 폴더는 자동으로 모든 하위 폴더를 포함하고 "감시"됩니다(즉, 파일이 폴더 안팎으로 이동할 때 프로젝트의 책갈피 안팎으로 이동합니다). 즉, 프로젝트 감시 폴더에서 파일을 제거하면 저장된 프로젝트의 스크립트나 보고서가 손상될 수 있으므로 주의해야 합니다. 폴더는 프로젝트를 닫았다가 다시 열 때 자동으로 새로 고쳐지며 컨텍스트 클릭 > 새로 고침을 사용하여 수동으로 새로 고칠 수 있습니다.
파일의 책갈피 목록에는 몇 가지 유용한 컨텍스트 클릭 명령이 있어 파일 이름, 경로, 크기, 생성 정보, 마지막 쓰기 및 마지막 액세스 날짜, 프로젝트 아카이브에 복사할 수 있는 확인란을 제공하는 정보를 표시할 수 있습니다( 아카이브 섹션에서 나중에 다룹니다). show in finder 명령은 운영 체제에서 파일이 있는 위치를 보여줍니다. 경로 복사를 사용하면 디스크의 파일 경로를 클립보드로 가져올 수 있으며, 이는 파일을 참조하는 스크립트를 작성할 때 유용합니다. 마지막으로 삭제... 옵션을 사용하면 프로젝트에서 책갈피를 제거(권장)하거나 휴지통/휴지통으로 이동할 수 있습니다.
드래그 앤 드롭으로 파일을 자동으로 북마크할 수도 있습니다. 운영 체제에서 끌어온 파일을 북마크 목록에 놓은 다음 자동으로 북마크할 수 있습니다. 폴더도 같은 방식으로 북마크할 수 있습니다.
프로젝트에서 다른 데이터 테이블을 생성하면 직접 저장하고 북마크할 수 있습니다. 예를 들어 테이블 > 요약을 사용하여 요약 테이블을 만든다고 가정해 보겠습니다. 파일을 디스크에 저장한 후 창 목록에서 책갈피로 끌어다 놓을 수 있습니다.
많은 사용자는 프로젝트에서 다중 창 모드로, 다중 창 모드에서 프로젝트로(세션을 캡슐화하기 위해 프로젝트 사용) 또는 프로젝트에서 프로젝트로(예: 단일 분석 프로젝트가 복잡해지면) 이동하기를 원할 것입니다. . 이를 위해 그림 3과 같이 Window > Move To/From Project를 사용합니다.
소스 프로젝트(또는 개별 개별 창에서 항목을 이동하려는 경우 없음) 및 대상 프로젝트(없음, 새 프로젝트 또는 기존 열려 있는 프로젝트일 수 있음)를 선택하기만 하면 됩니다. 모든 파일을 이동하고 북마크할 수 있는 빠른 버튼이 있습니다. 또는 소스에서 대상으로 데이터 테이블 및 관련 보고서의 하위 집합을 선택할 수 있습니다.
데이터 테이블을 클릭하면 현재 프로젝트에서 열려 있는 보고서 창을 자동으로 가져옵니다. 유지하지 않으려면 이동이 완료된 후 탭이나 창을 닫으면 됩니다. 이 창에서 직접 데이터 테이블을 북마크할 수도 있습니다. 또한 이 도구에서 북마크할 수 있으려면 데이터 테이블을 디스크에 저장해야 합니다. 그러나 저장하지 않은 파일은 여전히 새 프로젝트나 여러 창으로 이동할 수 있습니다.
테이블의 개별 라인을 클릭하면 유용한 썸네일이 표시되어 이동에 필요한 파일과 관련 그래프 및 보고서를 결정하는 데 도움이 됩니다.
그림 3. 프로젝트 창에서/에서 이동합니다.
작업 공간 관리
파일이 프로젝트에 추가되면 그림 1과 같이 프로젝트의 작업 영역 섹션을 사용하여 탭 배열로 그래프와 보고서를 구성할 차례입니다. 기본적으로 프로젝트에서 새 창이 생성되면 작업 공간의 단일 열에 있는 탭에 추가됩니다.
간단한 예제 프로젝트를 살펴보겠습니다. 먼저 새 프로젝트를 만든 다음 즉시 하드 드라이브에 저장합니다. 다음으로 "샘플 프로젝트"라는 새 폴더를 만들고 해당 폴더에 프로젝트 파일을 넣습니다. 이렇게 하면 모든 스크립트, 데이터 테이블 및 지원 자료를 추가할 수 있는 단일 폴더가 생성됩니다.프로젝트에서 데이터 테이블, 스크립트 및 출력의 세 그룹을 생성하겠습니다. 그런 다음 "FHPI.jmp" 및 "StatesMetadata.jmp"라는 두 개의 파일을 프로젝트에 추가합니다.
프로젝트를 사용하여 쿼리 스크립트, 데이터 정리, 시각화, 모델링, 콘텐츠 큐레이션 및 결과 전달을 위한 최종 출력을 통한 데이터 처리로 구성된 표준 종단 간 분석 워크플로를 개발하는 자동화 스크립트를 작성할 것입니다.
자동화 스크립트 개발을 시작하기 위해 검색해야 할 항목이 있는 경우 해당 도움말 > 스크립팅 인덱스를 인스턴스화할 수도 있습니다. 스크립팅 인덱스가 프로젝트에 로드되면 탭으로 추가됩니다. 내 데이터 테이블 및 출력의 오른쪽에 도킹할 수 있다면 더 유용할 것입니다. 이렇게 하려면 스크립팅 인덱스 탭을 떼어내기만 하면 됩니다. 그래프 빌더 드롭 영역이 프로젝트에 표시되어 그림 4와 같이 프로젝트 작업 공간을 재구성하기 위해 끌어다 놓을 수 있습니다.
그림 4. 탭 목록에서 탭을 떼어낼 때 프로젝트 작업 공간 드롭 영역이 켜집니다. 프로젝트 작업 공간을 더 쉽게 구성할 수 있도록 놓기 영역에 주석이 달려 있습니다.
탭 제목의 작은 탭 아이콘을 클릭하여 개별 탭을 최대화하거나 최소화할 수 있습니다. 이는 예를 들어 개별 플랫폼 보고서에 집중하고 싶거나 프로젝트 내에서 더 많은 공간을 활용하는 Graph Builder와 같은 플랫폼을 사용할 때 유용할 수 있습니다. 프로젝트 내에서 임시 프레젠테이션에도 사용할 수 있습니다.
탭을 최대화하면 책갈피와 창 목록이 유지됩니다. 책갈피 표시 및 창 목록 표시 명령을 토글하여 프로젝트 메뉴에서 수동으로 숨길 수 있습니다. 기본적으로 숨겨져 있는 프로젝트 전체 로그도 이 메뉴에서 표시할 수 있습니다.
레이아웃을 재정렬하고 결과가 마음에 들지 않는 경우 실행 취소 및 다시 실행 레이아웃 명령이 도움이 됩니다. 프로젝트 메뉴에서 레이아웃을 재설정하여 기본 단일 탭 목록으로 돌아갈 수도 있습니다.
작업 공간 내의 탭은 탭을 클릭(마우스 커서로 탭 위로 이동하면 축소판이 생성됨)하거나 창 목록 내에서 두 번 클릭하거나 왼쪽 및 오른쪽 화살표를 사용하여 탭을 스크롤하여 탐색할 수 있습니다.
프로젝트 저장 및 보관
분석 프로젝트를 계속 진행하면서 쿼리 빌더를 사용하여 두 테이블을 함께 결합하고 모델링 및 시각화를 위해 읽을 세 번째 테이블을 만들 것입니다. 쿼리 빌더 스크립트를 빌드한 다음 프로젝트 폴더에 저장할 수 있습니다. 프로젝트에 추가하고 스크립트 그룹에 끌어다 놓겠습니다.
이것은 그림 5에 나와 있습니다. 스크립트, 쿼리, 애플리케이션 또는 대시보드는 마우스 오른쪽 버튼 클릭 메뉴를 통해 직접 실행할 수 있으므로 프로젝트에서 이를 열고 스크립트를 실행하는 클릭을 절약할 수 있습니다. 또한 적극적으로 편집되지 않는 "프로덕션" 스크립트에 대해 열린 탭이 없기 때문에 프로젝트를 깨끗하게 유지하는 데 도움이 될 수 있습니다.
그림 5 . 탭에서 열지 않고 마우스 오른쪽 버튼을 클릭하여 스크립트를 직접 실행합니다.
스크립트를 실행하면 두 테이블이 제대로 결합된 세 번째 데이터 테이블이 생성됩니다. JoinTables 탭의 이름 옆에는 이 파일이 아직 디스크에 저장되지 않았음을 나타내는 *가 있습니다. 파일 > 프로젝트 저장에서 프로젝트를 저장하려고 하면 그림 6과 같이 다음과 같은 경고 메시지가 표시됩니다.
그림 6 . 프로젝트 경고 메시지에 저장되지 않은 문서가 있습니다.
프로젝트를 저장하기 전에 모든 파일을 저장하거나 닫아야 하므로 이 시점에서 무엇을 하고 싶은지 결정해야 합니다. 모두 저장을 클릭하면 저장하지 않은 모든 파일을 먼저 디스크에 저장하라는 메시지가 표시되고 프로젝트가 저장됩니다. 기본적으로 꺼져 있는 확인란이 있어 프로젝트를 저장할 때 이전에 저장한 문서(저장되지 않은 변경 사항만 포함)를 자동으로 저장할 수 있습니다. 이 설정을 주의해서 사용하십시오. 특히 프로젝트 사용을 시작할 때 삭제하려는 데이터 테이블을 임시로 변경할 수 있습니다(열 추가, 열 삭제, 셀 변경 등).
모두 닫기 옵션은 저장하지 않은 모든 문서에 대해 닫기를 수행하고 저장하지 않지만 각 문서를 개별적으로 저장할 필요가 없도록 합니다. 이것은 많은 출력을 생성하는 스크립트가 있지만 반드시 저장하고 싶지는 않은 경우에 유용할 수 있습니다.
저장하지 않은 문서를 수동으로 저장할 수도 있습니다. 탭 목록의 *가 모두 사라지는 즉시 클릭 한 번으로 프로젝트를 저장할 수 있습니다.
프로젝트는 그래프 및 기타 플랫폼 출력을 약간 다른 방식으로 저장합니다. 프로젝트는 JMP의 세션 스크립트 기능을 활용하기 때문에 스크립트를 데이터 테이블, 저널에 저장하거나 보고서를 .jrp 파일로 저장할 필요 없이 저장하고 닫을 때 그래프와 플랫폼 출력이 자동으로 유지됩니다. 이것은 JSL을 먼저 배울 필요 없이 분석 프로젝트의 상태를 저장하려는 신규 사용자에게 특히 유용합니다.
프로젝트에서 스크립트 재생
북마크된 .jsl, .jmpquery 및 .jmpapp/.jmpappsource 파일은 북마크 목록에서 직접 실행할 수 있습니다(JMP의 홈 창처럼). 이러한 파일 중 하나를 마우스 오른쪽 버튼으로 클릭하면 그림 7과 같이 이러한 파일로 수행할 작업에 대한 확장된 옵션을 볼 수 있습니다.
그림 7. 프로젝트에서 널리 사용되는 JMP 파일 유형에 대한 컨텍스트 메뉴입니다.
이 오른쪽 클릭 메뉴 옵션을 사용하면 AppBuilder/Dashboard Builder, 쿼리 빌드 또는 JSL 스크립트 편집기를 열지 않고도 애플리케이션을 빠르게 빌드하거나 스크립트를 실행하거나 쿼리를 직접 실행할 수 있습니다. 항목이 실행되고 결과가 프로젝트의 새 탭에서 자동으로 열리므로 클릭이 절약됩니다. 또한 Query Builder에는 "열릴 때 실행" 옵션이 있습니다(그림 7 참조). 이 두 번 클릭한 쿼리는 쿼리 빌더를 열지 않고 자동으로 실행됩니다.
대시보드 및 웹 보고서
대시보드 및 웹 보고서는 JMP 분석 결과를 다른 사람과 공유하고 전달하는 일반적인 방법입니다. 두 기능 모두 JMP 프로젝트에서 지원됩니다. 파일 > 새 대시보드는 프로젝트 내에서 사용 가능한 모든 보고서를 볼 수 있는 대시보드 빌더 인터페이스를 엽니다. 보고서를 정렬하고 필터, 텍스트 및 기타 항목을 추가할 수 있습니다. 빨간색 삼각형 메뉴에서 대시보드 실행을 클릭하면 결과 대시보드가 프로젝트의 새 탭에 표시됩니다(그림 8 참조).
그림 8. 프로젝트 내에서 Dashboard Builder로 빌드한 대시보드를 실행한 결과입니다. 결과 대시보드는 프로젝트의 새 탭을 채웁니다.
웹 보고서도 비슷합니다(파일 > 게시). 웹 보고서 작성 기능은 프로젝트 내에서 사용 가능한 모든 탭을 웹 보고서를 채우는 데 적용 가능한 그래프로 자동 표시합니다. 따라서 웹 보고서는 현재 JMP가 없는 사람과 프로젝트의 워크플로를 공유하는 좋은 방법이 될 수 있습니다.
사례 연구 1: DOE 프로젝트
고용 프로젝트 에스 일부로 디 의 기호 이자형 실험(D 영형 E) JMP 내에서 결과를 전달하는 데 도움이 될 수 있습니다. , 뿐만 아니라 실험 자체의 작업을 지원합니다.
D 사용 영형 JMP의 E는 다음을 의미합니다.
- D를 실행 영형 데이터 수집 체계를 생성하는 E 플랫폼 .
- JMP 테이블 사용 에 대한 기초로 데이터 수집 .
- 다양한 JMP 그래픽 플랫폼을 활용하여 실험 실행 결과 보기 .
- JMP 모드 활용 모델의 일부로 수집된 데이터를 기반으로 예측 모델을 구축하는 플랫폼 운동 , 합리적인 모델이 개발되었는지 확인하기 위해 다양한 진단 플롯을 봅니다.
- D의 결과를 전달하기 위한 그래픽 및 테이블 구성 영형 의도가 있는 E 의 홍보 잉 조직의 조치.
자세한 일반 절차 위의 에스 1-5단계 자주 결과 에스 안에 많은 JMP의 창과 테이블. 그 과정이 몇 달이 걸릴 수도 있다는 것도 사실일 수 있습니다. 이동 ~에서 에스 1단계 ~ 에스 5단계 , 즉, JMP 사용자는 중요한 결과를 자신의 파일 시스템에 저장하고 저장 위치를 기억하고 전체 프로세스를 추적해야 합니다.
이 사례 연구에서는 누구나 실행할 수 있는 간단한 실험을 통해 피 프로젝트는 D에 도움이 될 수 있습니다. 영형 E 창을 관리하고 결과를 추적하며 결론을 전달합니다.
JMP가 어떻게 작동하는지 보여주기 위해 간단한 실험을 실행하고 싶습니다. 사용자 지정 디자이너를 사용하여 에 대한 제약 조건으로 실험 수행 ㅏ 변하기 쉬운 , 와 같은 이 경우 총 에너지.
이 실험의 목표는 집에 있는 전자레인지에서 팝콘을 요리할 수 있는 좋은 설정을 찾는 것입니다. 내 통제에 세 가지 변수가 있습니다.
- 시간(요리 시간으로 설정할 수 있는 시간(mm:s)) .
- 힘(불투명 엘 레벨 1-10, 이것이 온도에 대해 무엇을 의미하는지 확실하지 않음) .
- 브랜드 (시장에 많은 브랜드가 있습니다 ; 나는 선택했다 약간 변장 친숙한 브랜드 윌버 그리고 기밀 ) .
팝콘 상자의 지침에 따라 , 나는 시간을 달리하기로 결정했다. 삼 에게 다섯 분과 전력 엘 레벨 5 ~ 엘 레벨 10. 그런 다음 짧은 시간과 낮은 전력, 긴 시간과 높은 전력을 의미하는 디자인 공간의 모서리를 확인하기 시작했습니다. 이 모서리는 내가 선택한 레벨의 최대 및 최소 총 에너지를 나타냅니다. (그림 9) .
그림 9 : 위의 좌우 이미지는 디자인 공간의 모서리를 보여줍니다.
내 초기 결과에서 공간의 모서리가 실현 가능하지 않다는 것이 분명합니다. 따라서 JMP Custom Designer를 사용하여 제한된 디자인 공간을 만들어야 합니다.JMP 프로젝트를 사용하고 싶기 때문에 먼저 에드 새 프로젝트를 만들고 이름을 "My Popcorn Experiment"로 지정합니다. 에 표시된 대로 에프 그림 10.
그림 10: DOE 워크플로 프로세스 시작 시 빈 프로젝트의 스크린샷.
그런 다음 프로젝트 내에서 Custom Designer를 시작하고 그림 11과 같이 응답과 요인을 설정했습니다.
그림 11: Custom Desig를 시작하여 실험 실행을 설정합니다.
이제 내 모델(RSM)을 선택하고 총 에너지(시간 + 전력 수준)에 대한 제약 조건을 설정할 차례입니다. 요인에 대한 선형 제약 조건 설정은 그림 12와 같이 제약 조건을 설정하기만 하면 됩니다.
그림 12: 실험적 제약 조건을 설정하고 필요한 실행 횟수를 결정하기 위해 모델링할 수 있는 효과를 추가합니다.
저는 Make Design을 선택했고 JMP가 후보 디자인을 보여주었습니다. 그림 13은 전자레인지에 설정할 수 있는 것과 일치하는 시간 및 전력 수준 형식으로 사용한 디자인을 보여줍니다.
그림 13: 실험 실행 테이블.
다음으로 팝콘 16박스를 터트렸습니다. 컵 측정을 샘플링 도구로 사용하여 각 실행에서 대표 컵을 선택하고 총 커널과 터진 커널 수를 계산했습니다. 데이터는 그림 14와 같습니다.
그림 14: 실험 결과.
몇 개의 그래프를 보고 이항 응답으로 Number Popped를 사용하여 일반화된 회귀를 구축했습니다. 낮은(파란색)에서 높은(빨간색)으로 색상이 지정된 전체에 대한 Popped의 비율이 있는 브랜드별 시간 대 파워의 히트맵은 파워 레벨과 시간의 중간에서 높은 조합이 더 나은 결과를 보여줍니다. 회귀 모델의 프로파일러는 Wilbur 브랜드 팝콘이 총 에너지에 대해 더 강력하다는 추가 결론과 함께 결과를 가장 잘 전달합니다. 그림 15 및 16은 이러한 결과를 보여줍니다.
그림 15. 낮은(파란색)에서 높은(빨간색)까지 색상이 지정된 총 색상에 대한 Popped의 비율이 있는 브랜드별 시간 대 힘의 히트맵입니다.
그림 16: 브랜드, 시간 및 역률 변경이 응답에 미치는 영향과 최종 모델을 보여주는 프로파일러.
마지막으로 JMP에서 두 개의 그래픽을 PDF로 추가하는 Simple Conclusion 문서를 작성했습니다. 그림 17과 같이 프로젝트 창의 왼쪽 상단에 있는 파일 추가 버튼을 선택하여 이 결론 문서를 프로젝트에 추가했습니다.
그림 17. 이 실험의 결과를 공유하기 위해 간단한 결론을 북마크에 추가했습니다.
이제 설계 설정, 데이터, 모델 및 지원 그래픽과 결론 문서가 포함된 프로젝트 파일이 생겼습니다. 이것은 이 실험에 대한 내 기억의 기초가 되는 독립된 파일입니다. 또한 현재와 미래에 팀원들이 검색할 수 있는 위치에 프로젝트와 지원 파일을 저장하면 이 실험에 대한 기업 메모리 역할도 합니다.
사례 연구 2: 예측 모델링 프로젝트
우리는 일련의 물리화학적 특성에서 와인 품질을 예측하는 모델을 구축하는 작업을 지원하기 위해 to project를 사용할 것입니다(Cortez et al. 2009 참조). 데이터 세트는 UCI Machine Learning Repository(Lichman 2013)에서 다운로드할 수 있습니다. 프로젝트를 사용하여 다중 파일 가져오기를 통해 데이터 가져오기, 가져온 결과 데이터 테이블 탐색 및 정리, 그래프 작성, JMP Pro의 다양한 기계 학습 기술을 사용하여 여러 후보 모델 작성, 모델 비교, 결정 이 모델링을 프로덕션에 적용하는 데 도움이 되는 점수 코드를 사용하고 궁극적으로 생성합니다. JMP의 종단 간 분석 워크플로(그림 18 참조)를 따라 프로젝트가 프로세스를 자연스럽게 지원하는 방법을 보여줍니다.
그림 18. JMP의 종단 간 분석 워크플로.
과거 데이터는 UCI Machine Learning 웹 사이트에서 직접 다운로드할 수 있습니다. http://archive.ics.uci.edu/ml/datasets/Wine+Quality . 다운로드할 세 가지 파일이 있습니다: winequality-red.csv, winequality-white.csv 및 winequality.names. 프로젝트 생성의 첫 번째 단계는 JMP에서 File > New Project로 이동하고 바탕 화면에 "Wine Modeling Project"라는 폴더를 만드는 것입니다. 세 개의 텍스트 파일을 모두 이 폴더에 넣습니다.
프로젝트 파일을 와인 품질 프로젝트 폴더에 저장한 다음 책갈피를 구성하는 데 도움이 되도록 01-Raw Data, 02-JMP Data Tables, 03-Scripts, 04-Score Code, 05-Output과 같은 여러 그룹을 생성하겠습니다.
파인더에서 원시 데이터 폴더로 끌어다 놓아 원시 데이터 파일 세 개를 모두 책갈피로 지정합니다.
다음으로 파일을 JMP 데이터 테이블로 가져오고 싶습니다. 여러 파일 가져오기를 사용하여 스크립트를 작성하거나 테이블 메뉴(파일 -> 여러 개 열기…)를 사용할 필요 없이 두 CSV 파일을 자동으로 열고 연결하겠습니다. .csv 파일을 열려면 확장자로 .csv를 선택해야 합니다. 스택과 유사한 파일에 대해 라디오 버튼을 체크한 상태로 유지합니다. 어떤 샘플이 적포도주이고 어떤 샘플이 흰색인지 유지하기 위해 파일 이름 추가 열을 확인하겠습니다. 스크립트 창에 스크립트를 저장하고 프로젝트에 스크립트를 저장하겠습니다. 그러면 새 데이터가 들어오고 JMP 데이터 테이블을 재생성하려는 경우 다중 파일 가져오기(그림 19). 나중에 창 목록에서 책갈피로 스크립트를 끌어 스크립트를 책갈피로 지정한 다음 스크립트를 닫습니다.
그림 19. 다중 파일 가져오기 설정.
이제 내 데이터 세트가 단일 JMP 데이터 테이블로 열려 있으므로 파일을 저장한 다음 프로젝트에서 책갈피로 지정하겠습니다. Recode를 사용하여 해당 샘플의 와인 카테고리를 표시하는 열(색상)을 추가할 수 있습니다. 이 모델링 연습의 목표는 물리화학적 특성(예: 잔류 설탕, 알코올 또는 아황산염)을 측정하는 비교적 저렴한 방법을 사용하여 와인의 전문적인 맛 테스트를 수집하는 데 상대적으로 비용이 많이 드는 것을 예측하는 것입니다. 우리는 두 가지 속성을 모두 가지고 있는 과거 데이터를 가지고 있어서 운이 좋았고, 우수한 교차 검증 기술을 사용하여 이 과거 데이터에 대한 모델을 구축할 수 있습니다. 그림 20은 고품질 와인이 선택된 분포 매트릭스를 보여줍니다. 우리는 다른 측정값의 분포에서 이러한 높은 등급의 와인을 분류하기 위해 일부 값에 약간의 분리가 있을 수 있음을 알 수 있습니다(즉, 품질 점수가 높은 와인은 잔류 당도가 낮고 알코올 함량이 높은 경향이 있는 것처럼 보입니다) . 우리는 여러 모델을 구축하여 이 가설을 테스트할 것입니다.
다변수 분석을 수행하고 상관 관계에 대한 Colormap을 보면 많은 측정값이 서로 높은 상관 관계가 있음을 알 수 있습니다. 이는 단계적 회귀 또는 최소 제곱과 같은 표준 모델링 기술에 대해 어려운 것으로 판명될 것입니다.
그림 20. 물리화학적 특성, 색상 및 품질 점수의 분포 매트릭스. 높은 평가를 받은 와인이 선택됩니다. 이화학적 특성에 대한 상관 관계에 대한 색상 맵이 오른쪽에 표시됩니다.
모델 성능을 평가하고 다양한 모델링 기술에 동일한 기회를 제공하여 와인 품질을 예측하기 위해 모델 성능에 대한 정직한 평가를 위해 교차 검증을 사용할 것입니다. 기본적으로 우리는 가지고 있는 데이터를 학습(모델 구축에 사용), 검증(모델을 미세 조정하고 복잡성과 간결함과 성능의 균형을 맞추는 데 사용), 마지막으로 테스트( 데이터는 모델링에 사용되지 않고 들어오는 새 데이터를 시뮬레이션하는 데만 사용되므로 새 데이터에 대해 수행하는 모델의 능력에 대한 판단).
검증 열을 작성하기 위해 분석 > 예측 모델링에서 검증 열 만들기 유틸리티를 사용하겠습니다. 계층화된 무작위에 대한 옵션을 선택한 다음 와인 색상 열을 클릭하여 적포도주와 백포도주 모두에 대해 기차, 검증 및 테스트 그룹에 동일한 비율의 샘플이 있는지 확인합니다. 저는 70%/20%/10%의 훈련, 검증 및 테스트 그룹 샘플을 만들 것입니다.
여러 후보 모델을 구축한 다음 Formula Depot에 게시할 것입니다. Formula Depot는 프로젝트에 잘 맞습니다. 그것을 불러온 다음(Analyze > Predictive Modeling) Formula Depot를 프로젝트 오른쪽의 자체 열에 고정합니다.
이제 우리는 Boosted Tree, Bootstrap Forest, Neural Net 및 여러 일반화된 회귀 모델을 구축할 것입니다. 개별 모델을 구축하면서 결과를 Formula Depot에 게시하겠습니다.
그림 21. 최종 예측 모델링 프로젝트.
부트스트랩 포레스트가 테스트 데이터에 가장 잘 맞는 모델인 것처럼 보입니다. Bootstrap Forest는 기본 모델 형식을 잘 포착했습니다. 그림 21은 작업 공간의 오른쪽에 도킹된 Formula Depot의 모델 컬렉션과 살펴볼 모델 출력 바로 아래에 있는 모델 비교가 있는 탭 목록에서 내가 구축한 모든 모델을 보도록 프로젝트를 설정하는 방법을 보여줍니다. 다양한 후보 모델에 대한 변수 중요도 및 프로파일러.
Bootstrap Forest가 잘하는 것은 그림 22와 같이 와인의 알코올을 증가시키면 품질이 어느 정도 향상된다는 사실을 포착하는 것입니다. 이 그림은 과거 데이터에 표시된 최고 품질의 와인을 생산하는 데 필요한 설정을 보여줍니다. 이 결과를 두 가지 방법으로 다른 사람들과 공유할 수 있습니다. 첫째, Formula Depot의 모델 점수 코드를 다양한 언어(SAS, Python, C, JavaScript 또는 SQL 등)와 PPT 또는 HTML로 저장합니다.
그림 22. 와인 품질을 예측하는 부트스트랩 포레스트 모델.
이 대화형 보고서는 JMP가 없는 다른 사람들과 공유할 수 있습니다. 그리고 프로파일러는 웹에서 대화식으로 유지되므로 값을 대화식으로 조정하여 와인 품질에 미치는 영향을 확인할 수 있습니다. 모델 점수 코드와 대화형 HTML5 보고서 모두 프로젝트에서 책갈피로 지정할 수 있습니다.
참고문헌
- Cortez, A. Cerdeira, F. Almeida, T. Matos 및 J. 레이스 물리화학적 특성에서 데이터 마이닝을 통한 와인 선호도 모델링.
In Decision Support Systems, Elsevier, 47(4):547-553, 2009.
- Lichman, M. (2013). UCI 머신 러닝 리포지토리 [ http://archive.ics.uci.edu/ml ]. 캘리포니아 어바인: 캘리포니아 대학교 정보 및 컴퓨터 과학 학교.
