|
스피커
|
성적 증명서
|
| 스캇 와이즈 |
조사 텍스트 탐색. 제 이름은 Scott Wise이고 JMP 교육팀의 선임 관리자입니다. |
| |
그리고 오늘 우리가 볼 수 있는 정말 재미있는 프리젠테이션이 있습니다. 이 프리젠테이션의 목표는 여러분에게 좀 더 친숙함을 주는 것입니다. |
| |
기능을 제공하고 JMP와 JMP Pro에서 텍스트 탐색을 수행하는 것이 얼마나 쉬운지 보여줄 뿐만 아니라 텍스트 탐색을 보는 다른 방식도 보여줍니다. 예를 들어 탐정처럼 뭔가를 조사할 수 있을까요? |
| |
좋아요, 그럼 우리 할머니의 칠리와 그것이 텍사스 칠리 요리와 어떤 관련이 있는지에 대해 이야기하겠습니다. 시작하기 전에, |
| |
텍스트 마이닝과 관련된 몇 가지 용어의 정체를 밝혀 보겠습니다. 제 생각엔 정말 간단한 다섯 단계가 있습니다. 문자 그대로 데이터를 요약하는 데 시간을 투자하여 텍스트에서 가장 자주 나타나는 단어가 무엇인지, 심지어 가장 자주 나타나는 단어 조합이 무엇인지 알아냅니다. |
| |
그래서 ??? 이것을 구조화되지 않은 텍스트를 통해 본다고 부르면 무엇이든 될 수 있습니다. 이는 고객이 제품이나 서비스의 성능에 대해 제공한 문장일 수 있습니다. 그것은 수... |
| |
댓글을 통해 사람들이 무엇을 좋아하고 싫어하는지 파악하는 소셜 미디어가 될 수도 있습니다. |
| |
귀하의 제품이나 서비스에 관한 정보일 수도 있고, 레시피와 같은 사람일 수도 있습니다. |
| |
사람들이 특허를 신청하는 인기 있는 항목이 무엇인지, 그리고 우리가 이러한 작업을 수행해야 하는지 조사할 때 특허에 대해서도 이러한 작업이 수행되는 것을 본 적이 있습니다. |
| |
그래서 실제로 그 중에서 어떤 단어가 가장 중요한지 알아내는 것을 요약합니다. 이제 다음에는 몇 가지 준비가 필요합니다. 관심 있는 단어의 작은 목록을 작성하는 것입니다. |
| |
물론 시각화하고 분석하고 모델링할 수 없다면 우리는 JMP가 아닐 것입니다. 우리는 고급 모델링도 할 수 있습니다. 그래서 저는 이 작업을 위해 JMP Pro 버전 15.1을 사용하겠습니다. |
| |
그리고 JMP에서 무엇을 할 수 있는지, 그리고 제 질문에 대한 추가 답변을 제공하는 데 도움이 되는 약간의 Pro 기능을 실제로 적용할 수 있는 부분도 알려드리겠습니다. |
| |
문서, 말뭉치 및 용어. 문서는 다음과 같습니다 ... |
| |
분석하고 있는 것들은 기본적으로 텍스트의 개별 본문, 텍스트의 각 행입니다. 이것이 나의 예를 위한 나의 요리법입니다. |
| |
귀하의 제품이나 서비스에 대해 귀하에게 답장을 보낸 다른 고객이 있을 수도 있습니다. 코퍼스는 실제로 처리하려는 구조화되지 않은 텍스트, 분석하려는 텍스트의 본문입니다. |
| |
그런 다음 용어는 질문에 답하는 데 도움이 될 수 있는 관심 있는 단어 또는 단어 조합이 될 것입니다. 그럼 이야기를 나눠보겠습니다. 내가 왜 칠리 요리법을 살펴보게 됐는지 알죠? 글쎄, 이게 다시 돌아온다 |
| |
거의 25년 전 제가 처음 텍사스로 이주하여 대기업에 입사했을 때 텍사스의 대부분의 대기업과 마찬가지로 그 회사에서도 대규모 텍사스 칠리 요리를 선보였습니다. |
| |
그리고 참여해 달라는 요청을 받았습니다. 모두가 참여했습니다. 하지만 저는 그보다 더 많은 일을 하라는 요청을 받았고, 판사가 되어 달라는 요청도 받았습니다. |
| |
그래서 나는 판사를 거절했어야 했다. 새로운 사람에게는 영광이라고 생각했는데 그들이 그것을 줄 수 있는 사람은 나뿐인 것 같았고 그 이유를 알게 되었습니다. |
| |
그런데 먼저 제가 가져온 고추에 대한 반응부터 말씀드리겠습니다. 그래서 우리 가족이 항상 사용하는 칠리 요리법을 가지고 있었는데, 그것은 우리 할머니 릴리안 할머니에게서 나온 것입니다. |
| |
이것은 고추가 아닙니다. 이것은 텍사스 사람들이 칠리라고 생각하는 것이 아닙니다. |
| |
이제 좋은 소식은 내가 먹는 것을 좋아하기 때문에 무엇이든 집에 가져와야 한다는 것입니다. 그들은 칠리 외에 다른 것을 고려했습니다. 그 칠리에는 콩이 들어있지 않았어요. 그들의 칠리는 풍성하지 않았습니다. 그것은 매우 뜨겁고 매우 수프였습니다. |
| |
내 것은 쇠고기를 먹었다. 그 곳은 대부분 돼지고기를 먹었습니다. 그들은 올인했습니다. 여기에 저를 곤경에 빠뜨린 또 다른 것이 있습니다. 그들은 우리 할머니의 칠리를 좋아하지 않았을 뿐만 아니라, 나는 심사에서 거의 살아남지 못했습니다. |
| |
진짜 텍사스 사람의 진짜 명예 훈장은 가장 뜨거운 칠리 한 그릇을 만드는 것이기 때문입니다. 그래서 당신은 이웃을 이기고 싶어합니다. 당신은 동료를 이기고 싶어합니다. 그래서 그들은 온갖 종류의 불경건한 고추와 향신료를 여기에 던지고 있었습니다. |
| |
그리고 저는 그냥 맛을 보려고 배에 구멍이 날 뻔했는데, 당신은 열을 내리려고 이 우유를 다 마시고 있는 구나라고 생각했어요. 그래서 |
| |
그것은 불의 세례였습니다. 그래서 내 추천은 더위를 좋아하지 않는 한 심사위원으로 참여하지 않는 것입니다. 좋은 생각이 아닙니다. 하지만 나는 배치하고 싶었습니다. 그게 항상 나를 괴롭혔어요. |
| |
뭐야, 우리 할머니 고추는 왜 잘 안 됐지? 고추에도 정말 다양한 종류가 있나요? 그들은 어디에서 왔니? |
| |
그리고 칠리는 정말 멋진 역사를 갖고 있는 것으로 밝혀졌습니다. 실제로 정말 멋진 역사 블로그와 논문을 볼 수 있으며 아마도 |
| |
중앙아메리카, 주로 멕시코. 그리고 약간의 가벼운 요리도 있지만 샌안토니오에서는 처음으로 주에서 판매되는 것이 관찰되었으며 이제는 칠리라는 것을 알 수 있습니다. |
| |
알라모 옆 옛 샌안토니오 광장에 있어요. 그리고 그것은 소몰이에 사용되었고 인기를 얻기 시작했고 그 후 미국 중서부를 거쳐 중서부까지 퍼져 나갔습니다. |
| |
그리고 저는 세인트루이스 세계 박람회에서 많은 식품 혁신이 만들어졌다고 들었습니다. 그것이 선보였을 때 정말 큰 성공을 거두었고, 이것이 그 중 하나였습니다. 칠리가 들어갔다 |
| |
세인트루이스 세계박람회는 정말 인기를 끌었습니다. |
| |
그래서 종류가 다양해요. 그래서 아이디어는...재료와 요리법에 대한 텍스트 탐색을 사용할 수 있을까?였습니다. 전체 레시피를 가져와서 넣으면 무슨 일이 일어나는지 확인하세요. |
| |
그리고 나는 그것을 무엇과 비교하고 싶습니까? 그래서 저는 전통적인 지역이 무엇인지 찾아보았습니다. 텍사스에서 미시간까지 여러 군데가 있었습니다. |
| |
텍사스에는 다양한 종류가 있습니다. 제가 맛본 것은 텍사스 보울 레드입니다. 바로 칠리 콘 카르네입니다. ㅏ |
| |
프리토 파이는 축구 경기에서 볼 수 있는 파이이지만 매우 인기가 많아 루이지애나주에도 자체 버전이 있습니다. 녹색 고추와 닭고기를 곁들인 뉴멕시코에는 고유한 버전이 있습니다. 오클라호마, 캔자스시티, 스프링필드, |
| |
일리노이, 신시내티 스카이라인 칠리를 스파게티 위에 올려보세요. 미시간. 코니아일랜드, 핫도그, 거기에 얹는 칠리소스는 진짜 칠리맛이에요. |
| |
어디서 왔는지 알 수 없는 흰 고추. 채식 칠리. 하지만 지금은 많은 스타일이 나와 있습니다. |
| |
그래서 저는 이렇게 말했습니다. 각 스타일에서 세 가지 레시피를 가져와서 할머니의 칠리를 조절하기 위해 비교하면 제가 원하는 것을 찾을 수 있을까요? |
| |
그래서 우리는 이것을 할 것이고, 제가 단계를 거치면서 여러분에게 단계의 요약을 보여주고 바로 뒤에서 제가 어떻게 하는지 보여줄 것입니다. JMP에서. |
| |
첫 번째 단계는 데이터를 요약하는 것입니다. 우리는 우리가 관심 있는 단어를 찾고 싶습니다. |
| |
이제 들어가면 어떻게 될까요? |
| |
이 텍스트 분석, 내 재료와 같은 텍스트 데이터를 텍스트 탐색기로 보내면 라이브러리를 통해 실행됩니다. |
| |
정규 표현식에 대해 생각하고 일상 대화의 일부인 정규 표현식과 같은 단어를 생각해 보세요. |
| |
그리고 그다지 도움이 되지도 않습니다. 내 목록에 "the"와 "and"가 있으면 도움이 되지 않습니다. 그래서 그것은 당신이 관심하지 않는 단어를 뽑아내는 데 도움을 주려고 노력합니다. 그리고 그렇습니다. 맞춤 설정할 수 있습니다. |
| |
그리고 이미 꽤 강력한 기능이 내장되어 있어서 제가 사용한 것입니다. 그런 다음 형태소를 취합니다. Stemming은 당신이 가는 곳이고 |
| |
어떻게 대하고 싶은지 말해보세요. "주사위"는 "주사위"이고, "다이싱"은 복수형이 있고, 다르죠...다른... |
| |
루트 단어의 다른 버전. 그냥 루트 단어로 모두 계산하시겠습니까, 아니면 분리하시겠습니까? 그래서 그것은 고려 사항입니다. |
| |
그리고 요약한 후에요. 이 말을 듣게 해주세요. 여기에 작은 단어 목록이 있는 것을 볼 수 있습니다. 뒤는 무편집이고 앞은 무보정 |
| |
실제로 우리가 그 단어 목록을 살펴보고 크기를 줄인 것입니다. 그래서 당신이 하는 일은 관심 없는 단어를 찾아서 불용어라고 부르고 기본적으로 이러한 단어를 제거하는 것입니다. 관심 없는 항목을 내 라이브러리에 다시 추가하세요. |
| |
정말 중요한 문구를 가져올 수도 있습니다. 그리고 일단 이것들이 있으면 우리는 일부를 시각화할 수 있을 것입니다. |
| |
그리고 제 경우에는 제가 재료에 정말 관심을 가지게 되었다는 것을 알 수 있을 것입니다. 그럼 어떤 재료가 가장 많이 나왔는지 알아보도록 하겠습니다. |
| |
여기서는 종종 단어 구름을 볼 수 있습니다. 단어 구름은 단어가 클수록 빈도도 높아집니다. |
| |
그리고 클라우드에서 볼 수도 있고 산발적인 레이아웃처럼 볼 수도 있고, 가장 먼저 나오는 단어가 가장 큰 단어인 순서를 볼 수도 있습니다. 그건 마치 |
| |
슬라이드 앞에 있는 그래프입니다. 그 후에 우리는 그것으로 뭔가를 할 것입니다. 그래서 우리는 몇 가지 기본 모델을 만들 수 있습니다. |
| |
이를 수행하는 가장 쉬운 방법 중 하나는 목록에서 관심 있는 단어가 무엇인지 알고 나면 |
| |
데이터 테이블에 다시 추가할 수 있습니다. 이를 문서 용어 매트릭스 저장이라고 합니다. 이 경우 이를 수행하는 간단한 방법은 바이너리입니다. 여기에 별도의 열이 있습니다. 오른쪽을 보면 |
| |
"양파"에는 그 행에 레시피가 있습니다. 그렇지 않은 경우 0을 가지므로 여기 열에서 0과 1을 얻을 수 있습니다. 그리고 가장 중요한 것이 무엇인지 알 수 있습니다. |
| |
그리고 여러분은 내가 막혀 있다면, |
| |
아마도 이것으로 심사 점수를 얻었을 수도 있고 여기에 각 레시피에 연결된 숫자 점수가 있다고 말할 수 있습니다. 어떤 성분인지 보고 싶어요 |
| |
높은 점수를 받는 경우가 많습니다. 그건 내가 하고 있는 일일 수도 있으니 좀 더 예측적으로 해보세요. |
| |
하지만 이 경우에는 그룹화를 살펴보겠습니다. 저는 요리법을 그룹화하고 할머니의 고추가 어디에 떨어지는지 보는 데 정말 관심이 있습니다. 그래서 우리가 어떻게 할 것인지 보여 드리겠습니다. 하지만 먼저 JMP로 가서 JMP에서 이러한 단계를 수행하는 방법을 보여드리겠습니다. |
| |
여기 내 원시 데이터가 있습니다. |
| |
여기 있는 모든 문서의 모든 행은... 구조화되지 않은 텍스트를 가지고 있고 제 경우에는 원시 재료일 뿐입니다. |
| |
여기 있는 셀 중 하나를 클릭하면 문자 그대로 재료가 복사된 것을 볼 수 있습니다. 첫 번째는 루이지애나산 케이준 칠리입니다. |
| |
"토마토", "칠리 파우더", "꿀"과 같이 제가 관심 있는 단어가 있습니다. "can"처럼 내가 신경쓰지 않는 단어도 있어요. |
| |
아마도 "1개", "2파운드", "티스푼"과 같이 제가 별로 신경 쓰지 않는 성분 측정값일 것입니다. 그러면 우리는 이것을 어떻게 처리할 것인가? 그래서 우리가 할 일은 무엇입니까? |
| |
분석으로 가서 텍스트 탐색기로 가서 해당 요소를 텍스트 열에 넣을 것입니다. |
| |
나는 형태소 분석, 모든 용어에 대한 형태소 분석 방법을 묻고 싶습니다. 나는 그것이 매우 도움이 된다고 생각합니다. 그런 다음 내장된 정규식을 사용하겠습니다. |
| |
나는 괜찮다고 말하고 이제 여기에 내 초기 목록이 있습니다. |
| |
이제 제가 할 수 있는 일은 제가 관심하지 않는 것들을 선택하는 것입니다. 나는 숫자에 관심이 없습니다. 여기로 가서 해당 항목을 강조 표시하고 마우스 오른쪽 버튼을 클릭한 다음 불용어를 추가하면 관심 없는 항목 목록에 해당 항목이 추가될 수도 있습니다. |
| |
"고추 가루"는 어떻습니까? 그것은 그 자체로 필요한 것처럼 들립니다. 그러면 해당 문구를 마우스 오른쪽 버튼으로 클릭하겠습니다. 문구를 추가하라고 하면 문구가 추가됩니다. |
| |
그래서 당신은 간소화된 크기의 목록을 얻을 때까지 이 작업을 수행합니다. |
| |
난 그냥 내 일을 할 거야 |
| |
내 완성된 목록입니다. 그리고 여기에는 발견된 정규 표현식에서 나온 모든 단어가 있습니다. |
| |
내가 추가한 것들 |
| |
그리고 말을 멈추세요. 이제 완성된 용어 및 구문 목록은 다음과 같습니다. 그래서 저는 이런 문구를 추가했습니다. 나는 걱정한다. 그래서 "양파"가 가장 많이 나왔고, "소금", "커민", "고추 가루"가 나왔습니다. |
| |
짐작할 수 있듯이 이는 시각화하기에 정말 좋으며 단어 구름도 있습니다. 여기 이 모든 것에 대한 단어 구름이 있습니다. 그리고 다시 여기 빨간색 삼각형 옵션 아래에서 나오는 내용을 더 명확하게 표시하는 순서로 변경할 수 있습니다. |
| |
중심을 유지하면 재미있는 일을 할 수 있습니다. 데이터에 필터를 추가할 수 있고 때로는 다른 작업을 수행하지 않고도 시각적으로 답을 찾을 수 있다는 것을 알고 계실 것입니다. 그렇다면 저는 이 문제에 대해 제 이야기로 들어가겠습니다. |
| |
빨간색 삼각형. 로컬 데이터 필터를 구하겠습니다. 그냥 유형만 보고 '글쎄, 한번 살펴보자'라고 말하겠습니다. |
| |
릴리안 할머니의 칠리가 어떻게 생겼는지 아시죠? "토마토", "강낭콩", "쇠고기" 같은 거요. 케이준 칠리와 비교하면 어떨까요? |
| |
글쎄, 그들은 고춧가루와 쇠고기를 공유했지만, 거기에는 몇 가지 다른 것이 있을 수도 있습니다. 아시다시피 칠리 베르데와 비교하면 |
| |
아시다시피 녹색 고추가 더 많은 것 같아요. 그리고 거기에는 생고추와 할라피뇨, 치킨 스톡 등 모든 종류의 닭고기 국물이 들어 있습니다. |
| |
그래서 이것은 정말 흥미롭지만 아마도 무슨 일이 일어나고 있는지 알아내기에는 충분하지 않을 것입니다. 그래서 내가 갔지 |
| |
(그리고 이것은 또 다른 것입니다... 여기 빨간색 삼각형 아래에 모든 옵션이 있습니다.) 로컬 데이터 필터를 끄고 모든 것이 선택되었는지 확인했습니다. 나는 내 모든 조건을보고 있습니다. |
| |
여기서는 299를 얻었습니다. 마우스 오른쪽 버튼을 클릭하고 "문서 용어 행렬 저장"이라고 말하겠습니다. |
| |
그리고 그렇게 할 때 어떤 방식으로 저장하고 싶은지, 가중치를 사용하여 어떤 가중치를 적용할지 묻습니다. 기본적으로 바이너리입니다. 사용할 수 있는 빈도가 있습니다. 용어 수, 실제로 데이터 테이블에 자리를 잡기 위한 최소 용어 빈도 등이 있습니다. 그리고 나는 이미 그렇게 했습니다. |
| |
그래서 내가 슬라이드해서 보면... |
| |
실제로 |
| |
계속해서 그렇게 하고 그것이 어떤 모습인지 보여 드리겠습니다. 그래서 저는 "문서 용어 매트릭스를 저장하세요"라고 말하고 "알겠습니다"라고 말할 것입니다. |
| |
이제 슬라이드에서 보여드린 것처럼 제가 관심 있는 용어를 모두 얻었습니다. 그리고 "양파"에 대한 첫 번째 것이 있습니다. 다음은 "칠리 파우더"에 대한 것이며 각각의 항목과 관련이 있습니다. |
| |
레시피, 아시다시피 행. |
| |
그래서 저는 하나가 어디에 있는지 압니다. 이 케이준 칠리에는 고춧가루가 있다는 것을 압니다. |
| |
0이 있을 때, |
| |
여기 이건 오클라호만 칠리처럼 보이거나 아니네요. 죄송합니다. 뉴멕시코 칠리에는 고춧가루가 없어서 그게 작동하는 방식이에요. 그리고 이것은 모델링에 사용될 수 있습니다. 따라서 JMP의 적합 모델 분석으로 이동하여 이를 가져와 실제로 일부 모델 유형에 적용할 수 있습니다. |
| |
하지만 제가 하려는 것은 실제로 어떤 성분이 나에게 더 높은 점수를 줄 것인지 예측하려는 것이 아니기 때문입니다. 나 같은 건 하나도 없어, 알잖아 |
| |
여기서 출력 데이터를 알고 있습니다. 저는 그것들을 함께 그룹화하고 싶고 JMP Pro에서 실제로 그렇게 할 수 있다고 들었습니다. 이제 여기 슬라이드로 바로 돌아가겠습니다. |
| |
그리고 저는 데이터 분석에 관해 이야기하겠습니다. 그래서 추가 분석을 하자면 |
| |
JMP Pro에서는 정말 훌륭한 그룹화 기술을 수행할 수 있으며 이는 다변량 방법이며 텍스트 분석을 처리하고 해당 문서 용어 매트릭스 작업에 특화된 방법은 텍스트에 관한 것입니다. |
| |
그리고 잠재 클래스 분석이라는 것을 사용합니다. 용어 중 하나입니다. 해당 기술을 사용하는 데 익숙하다면 이는 주요 구성 요소와 유사합니다. 하지만 기본적으로는 그럴 거예요 |
| |
얼마나 많은 데이터 그룹화 또는 클러스터를 보고 싶은지 물어보십시오. 다차원 공간을 가로질러 볼 것입니다. |
| |
해당 열에 있는 모든 항목과 여기 모델의 중요한 용어에 대한 문서 용어 매트릭스 사이에 단어에 있는 중요한 용어가 있습니다. |
| |
단어 목록 맞죠? 그리고 그것들을 그룹화할 것입니다. 그리고 제 경우에는 세 그룹으로 압축할 수 있었습니다. |
| |
그래서 클러스터 1이 있는데, 다진 소고기, 토마토 소스, 칠리 파우더, 콩을 사용한 칠리 요리법이 많이 있는 것 같았습니다. |
| |
여기에는 닭고기와 녹색 고추, 생 고추와 관련된 클러스터 2가 있습니다. |
| |
그리고 클러스터 3이 있는데 여기에는 다시 고추가 많이 들어 있지만 붉은 고추가 더 많고 일종의 돼지고기 기반이므로 많은 의미가 있습니다. |
| |
좋습니다. 이 클러스터를 만들 때 행별로 클러스터 확률을 사용할 수 있었습니다. 이렇게 하면 해당 개인이 얼마나 강한지 알 수 있었습니다. |
| |
레시피, 내 문서의 내 행, 맞습니다. 이 원본...내 제어 레시피, 어디에 떨어졌고 얼마나 강한지. 왜 어떤 클러스터에 할당했습니까? 그리고 제가 이 일을 했을 때, |
| |
22는 할머니의 클러스터였고... 할머니가 관리하는 클러스터였습니다. 그리고 저는 그녀가 미주리 주 캔자스 시티에서 온 요리법을 포함하여 다른 요리법과 함께 클러스터 1에 모여 있다는 것을 발견했습니다. |
| |
24번지에 아주 가까운 곳에 하나가 있습니다. 이제 클러스터 3의 텍사스 요리법에는 핫 칠리, 향신료... 향신료가 많이 들어가고 종종 돼지고기와 콩이 들어가지 않습니다. 그렇죠? 콩은 클러스터 1에는 표시되었지만 클러스터 3에는 표시되지 않았습니다. |
| |
클러스터 2 |
| |
아시다시피 녹색 고추에 더 가깝습니다. |
| |
뉴멕시코에서 볼 수 있는 것, 닭고기로 만든 칠리, 녹색 고추가 들어간 것 등이 더 많습니다. |
| |
좋아요, 그래서 제가 짝을 이룰 수 있게 되었고 레시피를 찾았습니다. 그리고 미주리주 대표 3인 중 하나인 |
| |
그것은 실제로 캔자스 시티 칠리라고 불렸는데, 릴리안 할머니의 칠리와 거의 정확히 일치했습니다. |
| |
그래서 제가 어머니에게 이것에 대해 물었을 때 저는 이렇게 말했습니다. "글쎄, 왜 이런 일이 일어날 수 있지? 미주리에서 온 것이 아니라고 생각했어요." 그리고 그녀는 "이 모든 것이 말이 됩니다"라고 말했습니다. 그녀는 "릴리언 할머니, |
| |
그녀는 미주리 주 세인트 조셉의 농장에서 자랐습니다. 그녀는 유일한 소녀였으며 11-12명의 형제가 있었습니다. 그래서 요리를 많이 했어요." |
| |
그건 그렇고, 그녀는 대학 교육을 받은 유일한 사람이었고 그녀가 살았던 동안 그녀는 꽤 진보적이었고 내가 가장 좋아하는 친척 중 한 명이었지만 그녀의 요리법은 이것을 매우 잘 보여줍니다. 그럼 라이브로 어떤 모습인지 보여드리겠습니다. |
| |
그래서 내가 가면... |
| |
이 지점에서, |
| |
제가 만든 데이터로 돌아가서 해당 핫스팟 아래에 JMP Pro가 제공할 수 있는 추가 모델을 요청하겠습니다. 해당 방법을 사용하는 잠재 클래스 분석 클러스터 문서가 있습니다. |
| |
용어 행렬을 문서화하는 이진법을 기반으로 합니다. 그래서 문서를 사용합니다...해당 문서 용어 매트릭스를 사용합니다. 예, 저장하지 않아도 자동으로 생성됩니다. |
| |
잠재 의미론적 분석도 있습니다. 좀 더 수학적, 좀 더 고급 방법을 사용하지만 이 두 가지 모두 기본적으로 동일한 작업을 수행하며 특히 이 잠재 클래스 분석이 마음에 들었습니다. 그래서 제가 선택한 것이 바로 그것입니다. |
| |
그리고 저는 세 개의 클러스터를 요청했습니다. 이를 가지고 놀면서 차이가 있는지 확인할 수 있습니다. 그리고 더 많은 클러스터를 시도했고 다시 3개로 돌아갔습니다. |
| |
그리고 그 안에 |
| |
옵션을 사용하면 행별로 클러스터 확률을 볼 수 있습니다. |
| |
그리고 모든 결과 중에서 이것이 가장 의미가 있었던 결과입니다. 슬라이드로 돌아가서 이 내용이 할머니의 고추가 떨어진 곳을 보는 데 도움이 되었다는 것을 기억하세요. |
| |
22살이었는데, |
| |
행 22. 그리고 또 무엇이 잘 결합되었는지. 그래서 저는 이 분석을 할 수 있었습니다. |
| |
그렇게 간단합니다. |
| |
그래서, |
| |
JMP에서 JMP 텍스트 탐색을 수행하는 기능과 JMP Pro를 사용할 수 있는 방법을 매우 빠르게 살펴보았습니다. |
| |
이 클러스터를 찾아 할머니의 칠리를 놓고 일치하는 레시피를 찾으세요. 더 많은 내용이 궁금하시다면 블로그 링크를 걸어두겠습니다. |
| |
프레젠테이션에서...클릭하거나 바로 커뮤니티로 이동하여 "할머니 칠리"를 입력하면 해당 블로그를 찾을 수 있습니다. 그리고 나도 그것과 함께 당신에게 줄 것입니다, 우리도 당신에게 줄 것입니다 |
| |
조리법. 그럼 당신도 릴리안 할머니의 칠리를 만들 수 있어요. |
| |
그래서 오늘 이것을 보여드릴 수 있어서 감사합니다. |
| |
문의사항은 반드시 Q&A에 남겨주시면 답변해드리겠습니다. 그리고 이것을 시도해 보세요, 뭔가를 시도해 보세요 |
| |
직장, 집 등 구조화되지 않은 텍스트 데이터가 있는 곳 어디에서나 탐색하고 질문하고 싶은 곳에서 이 방법이 환상적이고 환상적이며 매우 강력하고 실제로 공격하는 데 도움이 된다는 것을 알게 될 것입니다. 데이터의 3차원. |
