JMP 15のパターン探索プラットフォームを使用して異常なデータを発見する方法エンジニアやアナリストは、実務上の問題に取り組む際に、大規模なデータテーブルの中に「潜んでいる」大量の異常データに遭遇することがよくあります。これらの異常データは簡単には検出できず、あるいはそのような扱いにくいデータへの対処方法がわからないという状況です。例えば、サプライヤーデータや教師なしデータ（臨床試験データなど）などが挙げられます。パターン探索は、JMP15の新しいデータ処理プラットフォームです。データ内の異常パターンを検出することで、データの整合性を検証します。例えば、繰り返しデータ、乱数、列間の線形関係、仕様限界との一致と分布などが挙げられます。ローラ氏によると、これらの異常データは、コピー＆ペースト、ランダム変数を用いたデータ生成、列間の数式を用いた線形関係の作成、仕様限界外のデータの変更または傍受という4つの状況で発生することが多いとのことです。また、これら4種類の異常データに基づいて、JMPでこれらの異常データを識別する方法も実演しました。
高度な統計モデリング自動化とスクリプト基本的なデータ分析とモデリングデータのブレンドとクリーンアップデータの探索と可視化実験計画法予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析
