常見分析問題：拿到原始數據，卻不知道處理？
在您日常的工作中，您是否曾面臨這樣的情況：在拿到一批數據時，卻不知道從何開始進行分析？この篇の文章の紹介、非常に見事に JMP + ChatGPT を結合し、ChatGPT に JMP のさまざまなクラスの使用環境を組み込んで、自動化探索、予測および報表解読までの日常の分析の流れを実現します。
這篇文章中、我們將サンプル データ内の大きなクラスの數據集做表示範疇。
我們假設置對這個據集中的內容量一無所知，不知道數據在描述什麼，また不知道的使用哪種分析方法來處理這個據集。呢？
私が意図している第一件事は將這個據集導出された ChatGPT が理解できる形式です。
點擊左上紅三角コピー腳本，這裡我們具體コピー的是什麼。會在稍後為大家來進行解釋。
我們後、ChatGPT 網頁版に来ました。
この例中我們用到提案語句為“你是一位數據分析助手，我會向你提供一張以JSL形式記錄的數據表，請對表格的內容進行總結，對其中的數據做出盡可能の解決、詳細は最後に給出分析建議。
ChatGPT 表示收到了我們的資訊，並將為我們完了我們所定義的責任。
這之後，我們就可以將剛才所コピー的腳本コピー進 ChatGPT 對話框中。
現在確認できるように、我們剛才は、この表の中でコピーされているが、JSL 形式で記述されている表に、Big Class のすべての情報が含まれています。
基於對 JSL 的理解，ChatGBT 詳細解了每一列的據並識別出這是一張包含了 40 位學生基本資訊的數據表。解讀完了後，ChatGPT 給出了他的分析建議，基本統計含む分析、視覚化分析、異常検査など。
這裡我們按照 ChatGPT 提供建議，我們可用使用散點圖來繪製身高和肉体重間的關係。
點擊ChatGPT便會自動生成相応的代碼，我們コピー繪圖相關的代碼，並在JMP中新建腳本，粘着我們剛才得的代ラベル，並行き，那體重與身高之間の散點圖，便會繪製完成。透過這張圖表我們は肉体の重さと身高の間の相関係性を観察することができます。
變量相關性指標を探索した後，どのように進行モデル擬合を行うか？
如果我們想要一關於變量相關性的定量指標，我們可回到ChatGPT網頁版，並讓ChatGPT嘗試幫我們疑合モデル，命令為“請幫我生成JSL代碼來擬合身高及び身体重間の線性關係「。」
與剛才同的操作，我們コピー與擬合モデル相關番地回到JMP並便腳本，一張關於身高以及肉体重之間線性モデル的報表便會生成，其中包含了失擬報表、擬合匯總、方差分析、參數估計値等等容量。
試試見讓生成式AI自動報表解讀
假設我們作為一個統計新手對這数統計学の基本概念沒有任意認知，那麼同樣可以透過ChatGPT的協力助，來為我們做自動報表解讀。
今回の範例中，出於簡化報表的考慮量，我們只篩選出我們所感興趣的內容並對他進行コピー。張報表進行重新命名。方法為文件-另為存，取名為デモ，點擊利益存，那這裡我們獲得的就是一張簡化後的報表。
為了使用 ChatGPT 可能夠讀懂這張報表，我們同樣需要它 JSL 形式。
具體操作步驟為文件-新建-新建腳本。
その後輸入された以上の代純碼、代碼の主要目的為將デモ ウィンドウ下のすべての容量が JSL 形式で進行中です。下方，我們可將們全選中並存及コピー。
ChatGPT 網ページ版に戻って、コピー內容量進行黏貼。
要求送出後，ChatGPT 便會開始對報表內容進行解讀，同樣是基於對 JSL 語句的理解，ChatGPT 會對 JMP 報表中的擬合指標，進行逐次一解釋：比如在擬合匯總報表中，R方為モデル解決された方の差の比率、しかし私たちの現在のモデルは約50％を解決することができました。
匯總三張報表 ChatGPT 給出完了最終結論: 容認為モデルは對數據有一定の解析能力を持っています。
值得一提是ChaGPT同樣支持API調用，是說我們剛才示範過程的JMP與ChatGPT網頁版間的頻繁切換及び各種貼付操作都通過編程言語言無縫完了，相關插件您在在可能JMP社區找到並下載試用30天。
【關於JMP】
JMP は一款業界の音声分析と視覚化ソフトウエアであり、その主な目標はユーザーの支援、野球場から抽出された有用な資料、進行統計分析および製作視覚化報表です。
JMP は直視可能なインターフェイスを提供し、スムースな進行分析でさまざまなクラスレポートを生成できるようにします。比較時にスライドマウス拖曳の操作があります。
【關於ChatGPT】
年度熱門の生成式AI – ChatGPT
ChatGPT は OpenAI 公司開発の生成式 AI モデル，它被訓練用於理解用戶輸入的示唆詞，也就是プロンプト並びに命令，並生成相思的自然語言或編程語言文本，可以使用於進行對話回答問題，生成文章および編代ラベル等。
