레벨: 초심자
다니엘 발렌테 , PhD, JMP 선임 제품 관리자, SAS
존 와이즈, SAS의 JMP 영업 및 마케팅 수석 부사장
추상적인
종종 JMP 사용자는 대화형 JMP 세션을 통해 많은 창과 분석 보고서가 한 번에 열리는 것을 경험했습니다. 이 "부동 창 모드"에서 JMP를 사용하는 것이 일부에게는 효과가 있을 수 있지만 탭 인터페이스를 사용하는 것이 더 좋은 경우도 있습니다. 또한 사용자는 특정 파일을 분석 프로젝트와 연결하고 홈 창에서 제공하는 전체 목록을 원하지 않을 수 있습니다. 이러한 이유로 JMP 14에서 프로젝트를 만들었습니다. 프로젝트는 JMP에 대한 단일 문서 인터페이스, 재구성 가능한 탭 작업 공간, 파일을 북마크할 장소, 사용자가 열려 있는 다양한 창, 데이터 테이블, 스크립트 등을 쉽게 탐색할 수 있는 창 목록을 제공합니다. 또한 .pdf 및 .ppt 문서와 같은 지원 파일도 실행합니다. 프로젝트를 사용하여 하나 이상의 개별 분석 활동과 관련된 많은 파일을 빠르게 열고 닫을 수 있으며 병렬 프로젝트를 별도로 유지하여 여러 JMP 세션을 실행할 필요가 없습니다. 마지막으로 JMP 14의 프로젝트는 보관 기능을 통해 작업을 쉽게 공유하고 협업할 수 있는 방법도 제공합니다.
JMP 프로젝트 개요
JMP의 프로젝트는 JMP에서 JMP를 사용하여 데이터 테이블, 보고서, 스크립트, 저널 및 가공물을 구성하는 방법입니다. 또한 .txt, .ppt, .html, .xls 및 이미지와 같은 외부 지원 파일을 기본 JMP 파일의 논리적 그룹과 연결된 적절한 프로젝트 파일과 연결할 수 있습니다.
프로젝트 파일 자체(.jmpprj)는 파일을 넣을 컨테이너 역할을 하는 것이 아니라 디스크의 다른 항목을 가리키는 독립 실행형 파일입니다. 결과적으로 이것은 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 만들면 JMP 창과 파일을 추가할 수 있는 저장되지 않은 프로젝트가 즉시 열리므로 임시 프로젝트를 쉽게 만들 수 있습니다.
JMP 프로젝트의 예가 그림 1에 나와 있습니다. 프로젝트에는 세 가지 주요 섹션이 포함됩니다.
- 북마크 목록: 프로젝트와 연결하려는 디스크의 실제 파일에 대한 링크입니다. 이것은 홈 창에서 선별된 목록과 같습니다. 책갈피는 개별 파일에 대한 링크, 폴더(하위 폴더를 포함하여 내부에 무엇이 있는지 자동으로 "감시")에 대한 링크 및 그룹에 대한 링크가 될 수 있으며 디스크에 있는 파일의 폴더 구조에 영향을 주지 않고 프로젝트의 파일에 특정한 로컬 구성을 제공합니다. .
- 창 목록: 열려 있는 데이터 테이블과 데이터 테이블과 관련된 보고서 및 그래프의 계층적 목록입니다.
- 작업 공간: 현재 메모리에서 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. 레이아웃은 프로젝트를 열 때 유지되고 닫을 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. 책갈피와 창 목록을 숨기도록 프로젝트가 구성되었습니다. 프레젠테이션을 실행하는 저널이 있는 단일 탭이 있는 열이 있습니다. 저널에는 클릭하면 프로젝트에 탭으로 표시되는 스크립트 및 지원 파일에 대한 링크가 포함되어 있습니다. 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 작업을 수행하는 프로젝트를 포함합니다. 여러 모델이 만들어질 때 Formula Depot에 적합하고 저장됩니다. Formula Depot는 자체 열에 있으므로 쉽게 참조할 수 있습니다. 마지막으로 모델 비교가 추가되고 모델을 생산에 투입하기 위한 점수 코드가 생성됩니다.
- DOE 워크플로. 이 프로젝트는 그림 2C에 나와 있으며 이와 같은 DOE 워크플로는 이 백서 뒷부분의 사례 연구 I에서 다룰 것입니다. 이 프로젝트는 설계된 실험을 생성하고, 여러 후보 설계를 비교하고, 데이터를 수집하고, 데이터를 분석하고, 다른 사람과 결과를 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 효율적이 되도록 하는 데 사용됩니다. 프로젝트에는 프로젝트에서 사용하도록 특별히 구성된 모드의 스크립팅 인덱스가 포함됩니다. 작업 중인 스크립트에는 포함된 로그와 책갈피 목록의 지원 파일 또는 기능에 대한 링크가 포함되어 있습니다.
그림 2: JMP에서 프로젝트를 사용할 수 있는 방법.
JMP 프로젝트의 대상 사용자는 누구입니까?
프로젝트는 JMP에서 선택적으로 작업할 수 있는 방법이며 많은 사용자가 JMP의 표준 "다중 창 모드"에서 계속 작업할 것입니다. 그러나 특정 방식으로 JMP에서 작업하거나 창 관리 또는 파일 관리와 관련하여 특정 문제가 있는 사람들에게는 이 프로젝트를 확인해 볼 가치가 있습니다.
많은 사용자는 최대 창으로 Graph Builder와 같은 JMP 플랫폼을 실행하는 것을 선호합니다. 안타깝게도 JMP의 창이 최대화되면 신규 사용자가 데이터 테이블을 잃거나 현재 열려 있는 다른 창으로 이동하는 데 어려움을 겪기 쉽습니다. 탭 작업 공간을 활용함으로써 프로젝트는 이러한 많은 어려움을 해결합니다. 사용자는 웹 브라우저를 사용할 때와 같이 다른 열린 탭으로 이동하여 다른 분석 보고서나 데이터 테이블을 얻을 수 있습니다.
표준 주간 또는 일일 보고서가 있는 사람들에게 프로젝트는 해당 작업을 지원하는 효율적인 컨테이너가 될 수 있습니다. 예를 들어 Query Builder와 결합된 프로젝트에는 데이터베이스에서 최신 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 JMP Windows 버전의 마스터 창을 기억할 수도 놓칠 수도 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 작업하는 경우 단일 프로젝트를 닫으면 해당 프로젝트와 관련된 모든 파일과 창이 자동으로 닫히며 다른 프로젝트는 그대로 두고 여러 창을 수동으로 닫을 필요가 없습니다.
JMP 출력 및 파일에 대한 자체 파일 구성 체계를 이미 구축한 사용자의 경우 프로젝트에서 프레임워크를 제공하거나 JMP를 사용하는 폴더 구조 방식에 적합할 수 있습니다. 마지막으로 컴퓨터 하드 드라이브 전체에 파일이 있는 사용자는 개별 파일을 프로젝트에 추가하여 지저분한 폴더 위에 정리된 구조를 패닝할 수 있습니다.
프로젝트 작업
파일을 프로젝트로 가져오기
먼저 새 프로젝트를 생성하여 시작합니다(파일 > 새 프로젝트). 파일 추가를 통해 개별적으로 프로젝트에 파일을 추가할 수 있습니다. 프로젝트에 추가된 파일은 책갈피 목록에 추가됩니다. 파일을 개별적으로 추가할 때 북마크를 추가로 구성할 수 있는 프로젝트 로컬 그룹을 만드는 것이 유용할 수 있습니다. 새 그룹 명령을 실행한 다음 그룹 이름을 설명이 포함된 이름으로 변경하여 그룹을 만듭니다.
- 프로 팁 : 새 프로젝트가 필요할 때 쉽게 시작하고 실행할 수 있도록 그룹을 사용하여 템플릿 프로젝트를 설정할 수 있습니다. "데이터 세트", "참조 스크립트", "쿼리", "그래프 스크립트", "지원 파일" 및 "출력"과 같은 그룹은 새 프로젝트를 만들기 위한 좋은 출발점이 될 수 있습니다. 프로젝트를 "템플릿 프로젝트"로 저장하고 새 프로젝트가 필요할 때마다 다른 이름으로 저장하십시오.
프로젝트에 폴더를 추가할 수도 있는데, 이는 이미 디스크에 파일을 정리한 경우에 유용합니다. 폴더를 추가하기만 하면 프로젝트에 북마크됩니다. 폴더는 자동으로 모든 하위 폴더를 포함하며 "감시"됩니다(예: 파일이 폴더 안팎으로 이동할 때 프로젝트의 책갈피 안팎으로 이동됨). 즉, 프로젝트 감시 폴더에서 파일을 제거하면 저장된 프로젝트의 스크립트 또는 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 상황에 맞는 클릭 명령이 있어 파일 이름, 경로, 크기, 생성에 대한 정보, 마지막 쓰기 및 마지막 액세스 날짜, 프로젝트 아카이브에 복사할 확인란을 제공하여 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 있습니다. 이는 파일을 참조하는 스크립트를 작성하는 경우에 유용합니다. 마지막으로 삭제... 옵션을 사용하면 프로젝트에서 책갈피를 제거하거나(권장) 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 방법으로 북마크할 수 있습니다.
프로젝트에서 다른 데이터 테이블을 만들면 바로 저장하고 북마크할 수 있습니다. 예를 들어 테이블 > 요약을 사용하여 요약 테이블을 만든다고 가정합니다. 파일을 디스크에 저장한 후 창 목록에서 책갈피로 끌어다 놓을 수 있습니다.
많은 사용자가 프로젝트에서 다중 창 모드로, 다중 창 모드에서 프로젝트로(단지 세션을 캡슐화하기 위해 프로젝트 사용) 또는 프로젝트에서 프로젝트로(예: 단일 분석 프로젝트가 복잡해질 때) 이동하기를 원할 것입니다. . 이를 위해 그림 3과 같이 창 > 프로젝트로/프로젝트에서 이동을 사용합니다.
소스 프로젝트(또는 별도의 개별 창에서 항목을 이동하려는 경우 없음) 및 대상 프로젝트(없음, 새 프로젝트 또는 기존의 열린 프로젝트일 수 있음)를 선택하기만 하면 됩니다. 모든 파일을 이동하고 책갈피에 추가할 수 있는 빠른 버튼이 있거나 원본에서 대상으로 데이터 테이블 및 관련 보고서의 하위 집합을 선택할 수 있습니다.
데이터 테이블을 클릭하면 현재 프로젝트에 열려 있는 모든 보고서 창을 자동으로 불러옵니다. 유지하지 않으려면 이동이 완료된 후 탭이나 창을 닫으십시오. 이 창에서 직접 데이터 테이블을 북마크할 수도 있습니다. 또한 이 도구에서 북마크할 수 있으려면 데이터 테이블을 디스크에 저장해야 합니다. 그러나 저장되지 않은 파일은 여전히 새 프로젝트 또는 여러 창으로 이동할 수 있습니다.
테이블의 개별 라인을 클릭하면 이동에 필요한 파일과 관련 그래프 및 보고서를 결정하는 데 도움이 되는 유용한 축소판이 나타납니다.
그림 3. 프로젝트 창으로/에서 이동합니다.
작업 공간 관리
파일을 프로젝트에 추가한 후에는 그림 1과 같이 프로젝트의 작업 영역 섹션을 사용하여 그래프와 보고서를 탭 배열로 구성해야 합니다. 기본적으로 새 창은 프로젝트에서 생성될 때 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 배치합니다. 이렇게 하면 모든 스크립트, 데이터 테이블 및 지원 자료를 추가할 수 있는 단일 폴더가 있습니다.프로젝트에서 Data Tables, Scripts 및 Output의 세 그룹을 만들겠습니다. 그런 다음 프로젝트에 "FHPI.jmp" 및 "StatesMetadata.jmp"라는 두 파일을 추가합니다.
이 프로젝트를 사용하여 자동화 스크립트를 작성하여 쿼리 스크립트를 통한 데이터 처리, 데이터 정리, 시각화, 모델링, 콘텐츠 큐레이션 및 결과 전달을 위한 최종 출력으로 구성된 표준 종단 간 분석 워크플로우를 개발할 것입니다.
자동화 스크립트 개발을 시작하기 위해 무엇이든 조회해야 하는 경우 도움말 > 스크립팅 인덱스를 인스턴스화할 수도 있습니다. 스크립팅 인덱스가 프로젝트에 로드되면 탭으로 추가됩니다. 내 데이터 테이블 및 출력의 오른쪽에 도킹할 수 있으면 더 유용할 것입니다. 이렇게 하려면 스크립팅 인덱스 탭을 벗겨내기만 하면 됩니다. Graph Builder 놓기 영역이 프로젝트에 표시되어 그림 4와 같이 프로젝트 작업 영역을 재구성하기 위해 끌어서 놓을 수 있습니다.
그림 4. 탭이 탭 목록에서 벗겨지면 프로젝트 작업 공간 놓기 영역이 밝아집니다. 놓기 영역에는 프로젝트 작업 공간을 쉽게 구성할 수 있도록 주석이 달려 있습니다.
탭 제목의 작은 탭 아이콘을 클릭하여 개별 탭을 최대화하거나 최소화할 수 있습니다. 예를 들어 개별 플랫폼 보고서에 집중하거나 프로젝트 내에서 좀 더 많은 공간을 활용할 수 있는 Graph Builder와 같은 플랫폼을 사용하는 경우에 유용할 수 있습니다. 프로젝트 내 임시 프리젠테이션에도 사용할 수 있습니다.
탭이 최대화되면 책갈피와 창 목록이 그대로 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.
언제든지 레이아웃을 재정렬하고 결과가 마음에 들지 않으면 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 클릭하거나(마우스 커서로 탭을 가리키면 썸네일이 생성됨) 창 목록 내에서 두 번 클릭하거나 왼쪽 및 오른쪽 화살표를 사용하여 탭을 스크러빙하여 탐색할 수 있습니다.
프로젝트 저장 및 보관
분석 프로젝트를 계속 진행하면서 Query Builder를 사용하여 두 테이블을 결합하고 모델링 및 시각화를 위해 읽을 세 번째 테이블을 만들 것입니다. Query Builder 스크립트를 빌드한 다음 프로젝트 폴더에 저장할 수 있습니다. 프로젝트에 추가하고 스크립트 그룹에 드래그 앤 드롭하겠습니다.
이는 그림 5에 나와 있습니다. 스크립트, 쿼리, 애플리케이션 또는 대시보드는 마우스 오른쪽 버튼 클릭 메뉴를 통해 직접 실행할 수 있으므로 프로젝트에서 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 오른쪽 클릭으로 직접 스크립트를 실행합니다.
스크립트를 실행하면 두 테이블이 제대로 조인된 세 번째 데이터 테이블이 생성됩니다. JoinTables 탭에는 이 파일이 아직 디스크에 저장되지 않았음을 나타내는 이름 옆에 *가 있습니다. 파일 > 프로젝트 저장에서 프로젝트를 저장하려고 하면 그림 6과 같은 경고 메시지가 나타납니다.
그림 6 . 프로젝트 경고 메시지의 저장되지 않은 문서.
이 시점에서 프로젝트를 저장하려면 모든 파일을 저장하거나 닫아야 하므로 수행할 작업에 대한 결정이 있습니다. 모두 저장을 클릭하면 저장되지 않은 모든 파일을 먼저 디스크에 저장하라는 메시지가 표시되고 프로젝트가 저장됩니다. 프로젝트를 저장할 때 이전에 저장한 문서(저장되지 않은 변경 사항만 포함)를 자동으로 저장할 수 있는 확인란이 기본적으로 꺼져 있습니다. 삭제하려는 데이터 테이블을 일시적으로 변경할 수 있으므로(열 추가, 열 삭제, 셀 변경 등) 특히 프로젝트 사용을 시작할 때 이 설정을 신중하게 사용하십시오.
모두 닫기 옵션은 저장되지 않은 모든 문서를 닫고 저장하지 않지만 각 문서를 개별적으로 저장하지 않아도 됩니다. 이는 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 약간 다른 방식으로 그래프 및 기타 플랫폼 출력을 저장합니다. 프로젝트는 JMP의 세션 스크립트 기능을 활용하므로 스크립트를 데이터 테이블, 저널에 저장하거나 보고서를 .jrp 파일로 저장할 필요 없이 저장하고 닫을 때 그래프와 플랫폼 출력이 자동으로 유지됩니다. 이는 JSL을 먼저 배우지 않고도 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 창과 동일). 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 상황에 맞는 메뉴입니다.
이 오른쪽 클릭 메뉴 옵션을 사용하면 AppBuilder/Dashboard Builder, Query Build 또는 JSL 스크립트 편집기를 열지 않고도 애플리케이션을 빠르게 빌드하거나 스크립트를 실행하거나 직접 쿼리를 실행할 수 있습니다. 항목이 실행되고 결과가 프로젝트의 새 탭에서 자동으로 열리므로 클릭이 저장됩니다. 또한 Query Builder에는 "열 때 실행" 옵션이 있습니다(그림 7 참조). 이 두 번 클릭된 쿼리는 쿼리 빌더를 열지 않고 자동으로 실행됩니다.
대시보드 및 웹 보고서
대시보드와 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 생성 기능은 프로젝트 내에서 사용 가능한 모든 탭을 웹 보고서를 채우기 위해 적용 가능한 그래프로 자동으로 확인합니다. 따라서 웹 보고서는 현재 JMP가 없는 사람과 프로젝트의 워크플로를 공유할 수 있는 좋은 방법이 될 수 있습니다.
사례 연구 1: DOE 프로젝트
고용 프로젝트 에스 의 일부로 디 의 디자인 이자형 실험(D 영형 E) JMP 내에서 결과 전달에 도움이 될 수 있습니다. , 뿐만 아니라 실험 자체의 작업을 돕습니다.
D 사용 영형 JMP에서 E는 다음을 의미합니다.
- D를 실행 영형 데이터 수집 체계를 만드는 E 플랫폼 .
- JMP 테이블 사용 을 위한 기초로 데이터 수집 .
- 다양한 JMP 그래픽 플랫폼을 활용하여 실험 실행 결과 보기 .
- JMP 모드 활용 수집된 데이터를 기반으로 모델의 일부로 예측 모델을 구축하기 위한 링 플랫폼 운동 중 , 합리적인 모델이 개발되었는지 확인하기 위해 다양한 진단 플롯을 봅니다.
- D 결과를 전달하기 위한 그래픽 및 표 구성 영형 의도를 가진 E ~의 촉진하다 ing 조직에 의한 조치.
자세한 일반 절차 위에 에스 1~5단계 자주 결과 에스 ~에 많은 JMP의 창과 테이블. 프로세스가 몇 달이 걸릴 수 있다는 것도 사실일 수 있습니다. 이동 ~에서 에스 1 단계 에스 5단계 , 즉, JMP 사용자는 중요한 결과를 파일 시스템에 저장하고 보관 위치를 기억하고 전체 프로세스를 추적해야 합니다.
이 사례 연구에서는 누구나 실행할 수 있는 간단한 실험을 사용하여 피 프로젝트는 D에 도움이 될 수 있습니다 영형 E 창 관리, 결과 추적 및 결론 전달.
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 팝콘을 요리하기 위해 집에 있는 전자레인지에서 좋은 설정을 찾는 것입니다. 제어할 수 있는 세 가지 변수가 있습니다.
- 시간(요리 시간으로 설정할 수 있는 mm:ss 단위의 시간) .
- 전원(불투명 엘 evel 1-10, 이것이 온도에 대해 무엇을 의미하는지 확실하지 않음) .
- 브랜드(시중에 많은 브랜드가 있습니다. ; 나는 선택했다 약간 위장한 친숙한 브랜드 윌버 그리고 기밀 ) .
팝콘 상자의 지침에 따라 , 시간을 다르게 하기로 했어요 삼 에게 다섯 분과 전원 엘 5일 전 엘 10일. 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 왼쪽 및 오른쪽 이미지는 디자인 공간의 모서리를 보여줍니다.
초기 결과에서 공간의 모서리가 실현 가능하지 않다는 것이 분명합니다. 따라서 JMP Custom Designer를 사용하여 제한된 디자인 공간을 만들어야 합니다.JMP 프로젝트를 사용하고 싶어서 먼저 엽니다. 에드 새 프로젝트를 만들고 이름을 "My Popcorn Experiment"로 지정합니다. 에 표시된 것과 같이 에프 그림 10.
그림 10: DOE 워크플로 프로세스 시작 시 빈 프로젝트의 스크린샷.
그런 다음 프로젝트 내에서 Custom Designer를 시작하고 그림 11과 같이 응답 및 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 디자인 만들기를 선택했고 JMP에서 후보 디자인을 보여주었습니다. 그림 13은 전자레인지에서 설정할 수 있는 것과 일치하는 시간 및 전력 수준 형식으로 사용한 설계를 보여줍니다.
그림 13: 실험 실행 테이블.
다음으로 팝콘 16박스를 터뜨렸습니다. 컵 측정을 샘플링 도구로 사용하여 각 실행에서 대표적인 컵을 선택하고 총 알갱이와 터진 알갱이 수를 세었습니다. 데이터는 그림 14와 같습니다.
그림 14: 실험 결과.
나는 몇 개의 그래프를 보고 Popped 수를 이항 응답으로 사용하여 일반화된 회귀 분석을 만들었습니다. 낮음(파란색)에서 높음(빨간색)으로 색상이 지정된 전체 대비 팝의 비율이 있는 브랜드별 시간 대 전력의 히트맵은 전력 수준과 시간의 중간에서 높은 조합이 더 나은 결과를 나타냄을 보여줍니다. 회귀 모델의 프로파일러는 Wilbur 브랜드 팝콘이 전체 에너지에 대해 더 견고하다는 결론을 추가하여 결과를 가장 잘 전달합니다. 그림 15와 16은 이러한 결과를 보여줍니다.
그림 15. 낮음(파란색)에서 높음(빨간색)으로 색상이 지정된 합계 대비 팝의 비율이 있는 브랜드별 시간 대 전력의 히트맵.
그림 16: 최종 모델과 응답에 대한 브랜드, 시간 및 역률 변화의 영향을 보여주는 프로파일러.
마지막으로 저는 JMP에서 PDF로 두 개의 그래픽을 추가하는 간단한 결론 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 북마크된 간단한 결론입니다.
이제 설계 설정, 데이터, 모델 및 지원 그래픽과 결론 문서가 포함된 프로젝트 파일이 있습니다. 이것은 이 실험에 대한 내 기억의 기초가 되는 독립적인 파일입니다. 또한 현재와 미래에 우리 팀 구성원이 검색할 수 있는 위치에 프로젝트와 지원 파일을 저장하면 이 실험에 대한 회사의 메모리 역할을 합니다.
사례 연구 2: 예측 모델링 프로젝트
우리는 일련의 물리화학적 특성으로부터 와인 품질을 예측하는 모델을 구축하는 작업을 지원하기 위해 프로젝트를 사용할 것입니다(Cortez et al. 2009 참조). 데이터 세트는 UCI Machine Learning Repository(Lichman 2013)에서 다운로드할 수 있습니다. 이 프로젝트를 사용하여 다중 파일 가져오기를 통해 데이터를 가져오고, 결과로 가져온 가져온 데이터 테이블을 탐색 및 정리하고, 그래프를 작성하고, JMP Pro에서 다양한 기계 학습 기술을 사용하여 여러 후보 모델을 작성하고, 모델을 비교하고, 다음을 결정하는 프로세스를 관리할 수 있습니다. 사용할 모델이며 궁극적으로 이 모델링을 프로덕션에 적용하는 데 도움이 되는 스코어 코드를 생성합니다. JMP의 종단 간 분석 워크플로(그림 18 참조)를 따라 프로젝트가 자연스럽게 프로세스를 지원하는 방법을 보여줍니다.
그림 18. JMP의 엔드투엔드 분석 워크플로.
기록 데이터는 UCI Machine Learning 웹 사이트에서 직접 다운로드할 수 있습니다. http://archive.ics.uci.edu/ml/datasets/Wine+Quality . 다운로드할 수 있는 세 개의 파일이 있습니다: winequality-red.csv, winequality-white.csv 및 winequality.names. 프로젝트 생성의 첫 번째 단계는 JMP에서 파일 > 새 프로젝트로 이동하고 바탕 화면에 "Wine Modeling Project"라는 폴더를 만드는 것입니다. 세 개의 텍스트 파일을 모두 이 폴더에 넣겠습니다.
프로젝트 파일을 와인 품질 프로젝트 폴더에 저장한 다음 01-Raw Data, 02-JMP Data Tables, 03-Scripts, 04-Score Code, 05-Output과 같이 책갈피를 구성하는 데 도움이 되는 여러 그룹을 만듭니다.
세 개의 원시 데이터 파일을 모두 파인더에서 원시 데이터 폴더로 끌어다 놓아 책갈피에 추가하겠습니다.
다음으로 파일을 JMP 데이터 테이블로 가져오고 싶습니다. 다중 파일 가져오기를 사용하여 두 CSV 파일을 자동으로 열고 스크립트를 작성하거나 테이블 메뉴(파일 -> 다중 열기…)를 사용할 필요 없이 파일을 연결하겠습니다. .csv 파일을 열려면 확장자로 .csv를 선택해야 합니다. 스택 유사 파일에 대해 라디오 버튼을 선택된 상태로 유지하십시오. 어떤 샘플이 적포도주이고 어떤 샘플이 흰색인지 유지하기 위해 파일 이름 추가 열을 확인하겠습니다. 스크립트 창에 스크립트를 저장하고 스크립트를 프로젝트에 저장하여 새 데이터가 들어와 JMP 데이터 테이블을 재생성하려는 경우 다중 대화 상자를 다시 거치지 않고 직접 수행할 수 있습니다. 파일 가져오기(그림 19). 창 목록에서 북마크로 스크립트를 드래그하여 스크립트를 북마크한 다음 스크립트를 닫습니다.
그림 19. 여러 파일 가져오기 설정.
이제 내 데이터 세트가 단일 JMP 데이터 테이블에 열려 있으므로 파일을 저장한 다음 프로젝트에서 북마크합니다. Recode를 사용하여 해당 샘플의 와인 카테고리를 표시하는 열(색상)을 추가할 수 있습니다. 이 모델링 연습의 목표는 와인의 전문적인 맛 테스트를 수집하는 데 상대적으로 비용이 많이 드는 것을 예측하기 위해 상대적으로 저렴한 물리화학적 특성(예: 잔류 설탕, 알코올 또는 아황산염)을 측정하는 방법을 사용하는 것입니다. 우리는 두 가지 속성을 모두 가지고 있는 과거 데이터를 가지고 있어서 다행이며 좋은 교차 검증 기술을 사용하여 이 과거 데이터에 대한 모델을 구축할 수 있습니다. 그림 20은 고품질 와인이 선택된 분포 매트릭스를 보여줍니다. 우리는 다른 척도의 분포에서 이러한 높은 등급의 와인을 분류하기 위해 일부 값에 약간의 분리가 있을 수 있음을 볼 수 있습니다(즉, 높은 품질 점수의 와인은 잔류 당도가 낮고 알코올 함량이 높은 경향이 있는 것처럼 나타남). . 여러 모델을 구축하여 이 가설을 테스트합니다.
다변량 분석을 수행하고 상관관계에 대한 컬러맵을 살펴보면 많은 측정값이 서로 높은 상관관계가 있음을 알 수 있으며 이는 단계적 회귀 또는 최소 제곱과 같은 표준 모델링 기술에 대한 도전 과제임이 입증될 것입니다.
그림 20. 물리 화학적 특성, 색상 및 품질 점수의 분포 매트릭스. 높은 등급의 와인이 선택됩니다. 물리화학적 특성에 대한 상관관계에 대한 컬러 맵이 오른쪽에 표시됩니다.
모델 성능을 평가하고 다양한 모델링 기술에 와인 품질을 예측할 때 동일한 샷을 제공하기 위해 모델 성능의 정직한 평가를 위해 교차 검증을 사용할 것입니다. 기본적으로 우리는 가지고 있는 데이터를 훈련(모델 구축에 사용), 검증(모델을 미세 조정하고 복잡성과 성능 간 균형을 유지하는 데 사용), 마지막으로 테스트(하위 집합의 하위 집합)로 데이터를 분리할 것입니다. 데이터는 모델링에 사용되지 않고 들어오는 새 데이터를 시뮬레이션하는 데만 사용되므로 새 데이터에 대한 모델의 성능을 판단합니다.
유효성 검사 열을 작성하기 위해 분석 > 예측 모델링에서 유효성 검사 열 만들기 유틸리티를 사용하겠습니다. 계층화 무작위 옵션을 선택한 다음 Wine Color 열을 클릭하여 적포도주와 백포도주 모두에 대해 훈련, 검증 및 테스트 그룹에 동일한 비율의 샘플이 있는지 확인합니다. 훈련, 검증 및 테스트 그룹의 70%/20%/10% 샘플을 수행할 것입니다.
여러 후보 모델을 구축한 다음 Formula Depot에 게시할 예정입니다. Formula Depot은 프로젝트에 잘 맞습니다. 이를 불러온 다음(Analyze > Predictive Modeling) Formula Depot을 프로젝트 오른쪽의 자체 열에 도킹합니다.
이제 Boosted Tree, Bootstrap Forest, 신경망 및 여러 일반화 회귀 모델을 구축합니다. 개별 모델을 구축하면서 결과를 Formula Depot에 게시합니다.
그림 21. 최종 예측 모델링 프로젝트.
Bootstrap Forest가 테스트 데이터에 가장 적합한 모델인 것처럼 보입니다. Bootstrap Forest는 기본 모델 형식을 잘 캡처했습니다. 그림 21은 작업 공간 오른쪽에 도킹된 Formula Depot의 모델 컬렉션과 볼 수 있는 모델 출력 바로 아래에 모델 비교가 있는 탭 목록에서 내가 구축한 모든 모델을 볼 수 있도록 프로젝트를 설정하는 방법을 보여줍니다. 다양한 후보 모델에 대한 변수 중요도 및 프로파일러.
부트스트랩 포레스트가 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. 우리는 이 결과를 두 가지 방법으로 다른 사람들과 공유할 수 있습니다. 하나는 Formula Depot의 모델 점수 코드를 다양한 언어(예: SAS, Python, C, JavaScript 또는 SQL) 및 PPT 또는 HTML로 저장하는 것입니다.
그림 22. 와인 품질을 예측하는 Bootstrap Forest 모델.
이 대화형 보고서는 JMP가 없는 다른 사람과 공유할 수 있습니다. 또한 프로파일러는 웹에서 대화식으로 유지되므로 값을 대화식으로 조정하여 와인 품질에 미치는 영향을 확인할 수 있습니다. 모델 점수 코드와 대화형 HTML5 보고서도 프로젝트에서 북마크할 수 있습니다.
참조
- Cortez, A. Cerdeira, F. Almeida, T. Matos 및 J. 라이스. 물리 화학적 특성에서 데이터 마이닝을 통해 와인 선호도 모델링.
In Decision Support Systems, Elsevier, 47(4):547-553, 2009.
- 리치먼, M. (2013). UCI 기계 학습 저장소 [ http://archive.ics.uci.edu/ml ]. Irvine, CA: University of California, School of Information and Computer Science.
