Normalerweise beginne ich mit der Suche nach denselben Namen im Scripting Index (und in diesem Fall könnte es funktionieren).

Das einzige, bei dem ich mir nicht sicher bin, ist Impute Missing part

Names Default To Here( 1 );
Clear Log();
dt = Open( "$SAMPLE_DATA/Bands Data.JMP" );
obj = dt << Explore Outliers(
Y(
:proof cut, :viscosity, :caliper, :ink temperature, :humidity, :roughness,
:blade pressure, :varnish pct, :press speed, :ink pct, :solvent pct,
:ESA Voltage, :ESA Amperage, :wax, :hardener, :roller durometer,
:current density, :anode space ratio, :chrome content
)
);
obj << k Nearest Neighbor Outliers(K(4));
obj << Impute Missing(0);
obj << Save NN Distances;
//obj << Close Window;
JMP verfügt über mehrere Methoden zum Untersuchen von Ausreißern (Analysieren>Screening>Ausreißer untersuchen).
Für eine erste Datenexploration suche ich nach einer Lösung, damit die Benutzer alle anomalen Zeilen interaktiv filtern können.
Ein einfacher Ansatz besteht darin, eine KNN-Ausreißeranalyse durchzuführen (die Option der Imputationen zu deaktivieren und die Standardzahl ändern zu können).

Und speichern Sie die Entfernungen zu jedem NN, damit Sie eine Gesamtpunktzahl erhalten können (z. B. durch Addieren aller Entfernungen in einer Spalte).

Wie können diese Schritte mit GUI-Aktionen in JMP 16 automatisiert werden?
Names Default To Here( 1 );
Clear Log();
dt = Open( "$SAMPLE_DATA/Bands Data.JMP" );
// Launch platform: Explore Outliers
Explore Outliers(
Y(
:proof cut, :viscosity, :caliper, :ink temperature, :humidity, :roughness,
:blade pressure, :varnish pct, :press speed, :ink pct, :solvent pct,
:ESA Voltage, :ESA Amperage, :wax, :hardener, :roller durometer,
:current density, :anode space ratio, :chrome content
)
);