| 스피커 |
성적 증명서 |
| 스콧 와이즈 |
조사적 텍스트 탐색. 저는 스콧 와이즈이고 JMP 교육팀의 수석 매니저입니다. |
| |
그리고 오늘 우리가 볼 수 있는 정말 재미있는 프레젠테이션이 있습니다. 이 프레젠테이션의 목표는 여러분에게 조금 더 친숙해지도록 하는 것입니다. |
| |
JMP와 JMP Pro에서 텍스트 탐색을 하는 방법과 그 쉬운 방법을 알려드리고, 텍스트 탐색을 보는 새로운 관점을 보여드리겠습니다. 예를 들어, 탐정처럼 무언가를 조사하면 어떨까요? |
| |
좋아요, 할머니의 칠리에 대해 이야기해 볼게요. 그리고 그것이 텍사스 칠리 요리 경연 대회와 어떤 관련이 있는지도 이야기해 볼게요. 시작하기 전에, |
| |
텍스트 마이닝과 관련된 용어들을 좀 풀어볼까요? 제 생각에는 다섯 가지 간단한 단계가 있습니다. 데이터를 요약하는 데 시간을 투자해서, 텍스트에서 어떤 단어가 가장 자주 등장하는지, 심지어 어떤 단어 조합이 가장 자주 등장하는지 파악하는 것입니다. |
| |
그러니까 ???는 구조화되지 않은 텍스트를 살펴보는 것을 의미하는데, 바로 이겁니다. 이건 무엇이든 될 수 있습니다. 고객이 제품이나 서비스의 성능에 대해 한 말일 수도 있고요. 어쩌면... |
| |
소셜 미디어일 수도 있겠죠. 댓글을 통해 사람들이 무엇을 좋아하고 싫어하는지 알 수 있는 곳이죠. |
| |
귀하의 제품이나 서비스에 대한 내용일 수도 있고, 이 사람에 대한 내용일 수도 있고, 요리법 같은 내용일 수도 있습니다. |
| |
사람들이 인기 있는 특허가 무엇인지 조사할 때, 특허에서도 그런 일이 일어나는 것을 본 적이 있습니다. 그리고 그걸 해야 할까요? |
| |
그러니까, 요약하자면, 그중에서 가장 중요한 단어가 무엇인지 찾아내는 거예요. 이제 다음 준비 단계가 있는데, 중요한 단어들을 좀 더 구체적으로 나열하는 거예요. |
| |
물론 시각화하고 분석하고 모델링할 수 없다면 JMP라고 할 수 없겠죠. 고급 모델링도 할 수 있습니다. 그래서 저는 JMP Pro 15.1 버전을 사용해서 이 작업을 할 겁니다. |
| |
그리고 JMP에서 무엇을 할 수 있는지, 그리고 내 질문에 더 도움이 되는 Pro의 어떤 부분을 조금 첨가했는지 알려드리겠습니다. |
| |
문서, 코퍼스, 그리고 용어. 문서는 이런 것들이 될 겁니다... |
| |
분석하려는 것들은 기본적으로 개별 텍스트 본문, 즉 텍스트의 각 행입니다. 제 예시는 제 레시피입니다. |
| |
귀사의 제품이나 서비스에 대해 댓글을 남긴 고객은 여러 명일 수 있습니다. 코퍼스는 실제로 처리하려는 비정형 텍스트, 즉 분석하려는 텍스트의 본문입니다. |
| |
그리고 용어는 여러분이 궁금해하는 단어나 단어 조합으로, 질문에 답하는 데 도움이 될 수 있습니다. 자, 이제 이야기에 대해 이야기해 볼까요? 제가 왜 칠리 레시피를 살펴보게 되었을까요? 음, 다시 이 주제로 돌아가서, |
| |
약 25년 전, 제가 처음 텍사스로 이사했을 때 대기업에서 일하게 되었는데, 텍사스에 있는 대부분 대기업들처럼 그 회사에서도 대규모 텍사스 칠리 요리 경연 대회를 열었습니다. |
| |
그리고 저는 참여 요청을 받았습니다. 모두가 참여했죠. 하지만 그보다 더 중요한 일도 요청받았습니다. 바로 심사위원을 맡아달라는 요청이었습니다. |
| |
그래서 판사님을 거절했어야 했어요. 새로 온 사람으로서 영광이라고 생각했는데, 제가 유일한 사람인 것 같았어요. 이유를 알게 됐죠. |
| |
하지만 제가 가져온 칠리에 대한 반응에 대해 먼저 이야기해 볼까요? 저는 가족들이 항상 써왔던 칠리 레시피를 가지고 있었는데, 릴리안 할머니께서 알려주신 레시피였어요. |
| |
이건 칠리가 아니야. 텍사스 사람들이 칠리라고 생각하는 게 아니야. |
| |
다행히 저는 좋아해서 아무거나 사서 먹어야 할 것 같았어요. 칠리 말고 다른 걸 고려했거든요. 그 칠리에는 콩이 안 들어갔고, 맛도 진하지 않았어요. 너무 매웠고, 국물이 너무 많았어요. |
| |
제 건 소고기였고, 다른 건 돼지고기가 주재료였어요. 전부 다 들어갔죠. 제가 곤경에 처한 또 다른 이유가 있어요. 할머니가 만들어 주시는 칠리를 싫어했을 뿐만 아니라, 심사에서 살아남지 못할 뻔했거든요. |
| |
진짜 텍사스 사람의 진짜 명예는 가장 매운 칠리 한 그릇을 만드는 거니까요. 그러니까 이웃을 이기고 싶고, 직장 동료를 이기고 싶죠. 그래서 온갖 신성모독적인 매운 고추와 향신료를 여기에 쏟아부었던 겁니다. |
| |
그리고 난 그냥 생각했어요. 맛을 보려고만 해도 배가 터질 것 같았고, 우유를 다 마시고 열을 식히려고 애쓰는 거였죠. 그래서 |
| |
불 세례였죠. 그래서 제 추천은, 더위를 좋아하지 않는 이상 심사위원으로 참여하지 마세요, 그렇죠? 좋은 생각이 아니에요. 하지만 순위를 매기고 싶었는데, 그게 항상 마음에 걸렸거든요. |
| |
뭐야, 우리 할머니 고추는 왜 잘 안 익었지? 고추 종류가 정말 다양해? 어디서 오는 거야? |
| |
그리고 칠리는 정말 멋진 역사를 가지고 있다는 게 밝혀졌습니다. 칠리에 대한 정말 멋진 역사 블로그와 논문들을 볼 수 있는데, 아마도 |
| |
중앙아메리카, 주로 멕시코에서요. 그리고 가벼운 요리도 몇 가지 있는데, 샌안토니오에서 처음 발견되었을 때, 이 주에서 일종의 칠리로 판매되는 것을 보고 지금은 칠리라는 걸 알게 됐죠. |
| |
알라모 근처 옛 샌안토니오 광장에서요. 소몰이에 쓰이면서 인기를 끌기 시작했고, 그 후 미국 중부, 중서부 전역으로 퍼져 나갔습니다. |
| |
그리고 세인트루이스 세계 박람회에서 많은 혁신적인 음식이 탄생했다고 들었어요. 전시회에 나왔을 때 정말 큰 인기를 끌었는데, 이게 그 중 하나였어요. 칠리가 |
| |
세인트루이스 세계박람회가 큰 인기를 끌었습니다. |
| |
그래서 다양한 종류가 있죠. 그래서 아이디어는... 재료와 레시피에 텍스트 탐색 기능을 사용할 수 있을까 하는 거였어요. 그냥 레시피 전체를 가져다가 입력해 보면 어떤 일이 일어나는지 볼 수 있을 거예요. |
| |
그럼 무엇과 비교하고 싶은 걸까요? 그래서 전통적인 지역이 어디인지 찾아봤는데, 텍사스부터 미시간까지 여러 지역이 있더라고요. |
| |
텍사스에는 여러 종류가 있는데, 제가 맛본 건 텍사스 볼 레드예요. 칠리 콘 카르네예요. |
| |
프리토 파이는 미식축구 경기장에서 흔히 볼 수 있는 음식인데, 루이지애나에는 자체 버전이 있을 정도로 인기가 많습니다. 풋볼 경기장에서는 청양고추와 닭고기를 넣어 만든 뉴멕시코에도 자체 버전이 있고, 오클라호마, 캔자스시티, 스프링필드에도 있습니다. |
| |
일리노이, 신시내티의 스카이라인 칠리는 스파게티에 얹어 먹죠. 미시간, 코니아일랜드의 핫도그에 칠리 소스를 얹어 먹는데, 진짜 칠리 맛이 나요. |
| |
흰 고추, 어디서 왔는지는 모르겠어요. 채식 고추. 하지만 요즘은 다양한 스타일이 나와 있어요. |
| |
그래서 저는 이 각각의 스타일에서 세 가지 요리법을 따서 할머니의 칠리를 조절하는 것과 비교해보면 내가 찾고 있는 것을 찾을 수 있을까요? |
| |
그럼, 이 작업을 진행해 보겠습니다. 단계별로 설명하면서 단계를 요약해 보여드리고, 바로 이어서 JMP에서 이 작업을 수행하는 방법을 보여드리겠습니다. |
| |
첫 번째 단계는 데이터를 요약하는 것입니다. 관심 있는 단어를 찾고 싶습니다. |
| |
이제 당신이 입력하면 무슨 일이 일어날까요? |
| |
이러한 텍스트 분석, 텍스트 데이터(재료 등)를 텍스트 탐색기로 입력하면 라이브러리를 통해 실행됩니다. |
| |
정규 표현식에 대해 알아보고, '일반적'이라는 단어를 일상 대화에서 흔히 볼 수 있는 것들로 생각해 보세요. |
| |
그리고 그다지 도움이 되지 않습니다. 목록에 "the"와 "and"가 있으면 도움이 되지 않죠. 그래서 관심 없는 단어를 찾아내는 데 도움이 됩니다. 네, 맞춤 설정이 가능합니다. |
| |
그리고 이미 꽤 강력한 기능이 내장되어 있어서 그걸 사용했어요. 그리고 어간 추출도요. 어간 추출은 여러분이 하는 일이에요. |
| |
단어처럼 어떻게 다루고 싶은지 말해보세요 -- "dice"는 "dice"이고, "dicing"은 복수형이 있고, 다르고... 다릅니다... |
| |
어근의 여러 버전이 있습니다. 어근에 모두 포함시키시겠습니까, 아니면 따로 분리해서 말씀하시겠습니까? 이 부분도 고려해야 할 사항입니다. |
| |
그리고 요약한 후에, 이 단어들을 가져오겠습니다. 여기 작은 단어 목록이 있습니다. 뒤에 있는 것은 수정하지 않은 것이고, 앞에 있는 것은 수정하지 않은 것입니다. |
| |
사실, 단어 목록을 검토해서 크기를 줄인 단어 목록입니다. 즉, 관심 없는 단어를 찾아서 불용어라고 부르고, 간단히 말해 "이 단어들을 삭제하세요"라고 말합니다. 그리고 관심 없는 단어 목록으로 다시 추가하는 거죠. |
| |
정말 중요한 문구들을 가져올 수도 있습니다. 그리고 이 문구들이 준비되면, 몇 가지를 시각화할 수 있을 겁니다. |
| |
그리고 제 경우에는 재료에 정말 관심이 많았어요. 그래서 어떤 재료가 가장 자주 나왔는지 볼 수 있을 거예요. |
| |
그리고 여기서는 종종 단어 구름을 보는데, 단어 구름은 아시다시피 단어가 클수록 빈도가 높다는 뜻입니다. |
| |
클라우드 형태로 볼 수도 있고, 그냥... 그냥 산발적인 레이아웃으로 볼 수도 있고, 순서대로 볼 수도 있는데, 예를 들어 맨 위에 있는 단어가 가장 큰 단어인 것처럼요. 마치 |
| |
슬라이드 앞에 있는 그래프를 살펴보겠습니다. 그 후에 그래프를 활용하여 몇 가지 작업을 해 보겠습니다. 그러면 몇 가지 기본적인 모델을 만들 수 있습니다. |
| |
그리고 그렇게 하는 가장 쉬운 방법 중 하나는 우리가 관심 있는 단어가 무엇인지 알고 나면, |
| |
데이터 테이블에 다시 추가할 수 있습니다. 문서 용어 행렬을 저장하는 것이죠. 이 경우, 간단한 방법은 바이너리를 사용하는 것입니다. 여기에 별도의 열이 있는데, 오른쪽에 보시면 |
| |
"onion"은 해당 행에 있는 경우 1을 가지고, 그렇지 않은 경우 0을 가지고 있으므로, 여기 열에 0과 1을 넣을 수 있습니다. 그러면 무엇이 가장 중요한지 알 수 있죠. |
| |
그리고 많은 경우 당신은 내가 막혔을 때와 같이 무언가를 모델로 삼으려고 노력합니다. |
| |
아마 이걸로 심사 점수를 받았을 수도 있고, 이렇게 말할 수 있겠죠. 음, 여기 각 레시피에 대한 숫자 점수가 있어요. 어떤 재료가 들어가는지 보고 싶어요. |
| |
높은 점수를 받는 데 도움이 되는 일반적인 질문들이 있습니다. 제가 하는 것일 수도 있으니, 좀 더 예측 가능하게 답변해 보세요. |
| |
하지만 이번에는 그룹화에 대해 살펴보겠습니다. 저는 레시피들을 그룹화해서 할머니께서 만들어 주시는 칠리가 어떤지 알아보는 것에 정말 관심이 있습니다. 그래서 어떻게 하는지 보여드리겠습니다. 먼저 JMP로 가서 JMP에서 이 단계들을 어떻게 수행하는지 보여드리겠습니다. |
| |
이제 저의 원시 데이터를 보여드리겠습니다. |
| |
여기의 모든 문서에서 모든 행은... 구조화되지 않은 텍스트가 있고, 제 경우에는 그냥 원시 재료일 뿐입니다. |
| |
여기 셀 중 아무거나 클릭하면, 말 그대로 복사된 재료가 보입니다. 자, 여기... 루이지애나산 케이준 칠리의 첫 번째 재료가 있습니다. |
| |
"토마토", "고춧가루", "꿀"처럼 제가 좋아하는 단어들이 있고, "캔"처럼 제가 좋아하지 않는 단어들도 있어요. |
| |
아마 제가 별로 신경 안 쓰는 건 재료 단위일 거예요. "1파운드", "2파운드", "티스푼" 같은 거요. 그럼 이걸 어떻게 처리해야 할까요? 그럼 뭘 해야 할까요? |
| |
분석으로 가서 텍스트 탐색기로 가서 해당 자료를 텍스트 열에 입력하겠습니다. |
| |
모든 용어에 대한 어간 추출 방법을 알려주시면 감사하겠습니다. 정말 도움이 많이 됩니다. 그런 다음 내장 정규 표현식을 사용하겠습니다. |
| |
나는 알았다고 대답했고, 이제 내 초기 목록이 여기에 있습니다. |
| |
그래서 지금 제가 할 수 있는 건, 관심 없는 것들을 선택하는 거예요. 숫자는 상관없고요. 여기 들어가서 원하는 것들을 강조 표시하고 마우스 오른쪽 버튼을 클릭한 다음 "불용어 추가"를 선택하면 관심 없는 것들 목록에 추가되는 거예요. |
| |
"고춧가루"는 어때요? 따로 있어야 할 것 같네요. 그래서 그 문구를 마우스 오른쪽 버튼으로 클릭하고 "구문 추가"를 선택하면 자동으로 추가됩니다. |
| |
그래서 여러분은 정리된 축소형 목록을 얻을 때까지 이 작업을 반복합니다. |
| |
나는 그냥 내 것을 실행할 것입니다 |
| |
제가 완성한 목록입니다. 정규 표현식에서 발견된 모든 단어는 다음과 같습니다. |
| |
내가 추가한 것들 |
| |
그리고 불용어. 자, 이제 완성된 용어와 구문 목록입니다. 제가 관심 있는 구문들을 추가했습니다. 그래서 "양파"가 가장 많이 나왔고, 그다음은 "소금", "커민", 그리고 "고춧가루" 순이었습니다. |
| |
짐작하시겠지만, 시각화하기 정말 좋을 것 같고, 워드 클라우드도 있습니다. 여기 모든 항목에 대한 워드 클라우드가 있습니다. 그리고 여기 빨간색 삼각형 옵션 아래에서, 출력되는 내용을 더 선명하게 보이도록 순서를 변경할 수 있습니다. |
| |
중앙에 놓으면 재밌는 일이 될 거예요. 데이터에 필터를 추가할 수도 있고, 다른 작업 없이 시각적으로 답을 찾을 수도 있죠. 그런 경우에 대해 자세히 설명하겠습니다. |
| |
빨간색 삼각형. 로컬 데이터 필터를 가져올 거예요. 유형을 보고, 음, 한번 살펴보겠습니다. |
| |
릴리언 할머니의 칠리는 어떻게 생겼는지, "토마토", "강낭콩", "소고기" 같은 거요. 케이준 칠리랑 비교하면 어때요? |
| |
음, 그들은 고춧가루와 소고기를 나눠 먹었는데, 뭔가 다른 재료가 들어갔을 수도 있어요. 칠리 베르데랑 비교했을 때, |
| |
아시죠, 청양고추가 더 들어간 거잖아요. 거기에 생고추랑 할라피뇨, 닭고기 육수 같은 거 다 들어가요. 닭고기 육수요. |
| |
정말 흥미롭긴 한데, 아마 제가 무슨 일이 일어나고 있는지 알아내기에는 충분하지 않을 것 같아요. 그래서 저는 갔어요. |
| |
(그리고 이것도 또 다른...여기 빨간 삼각형 아래에 모든 옵션이 있습니다) 저는 (아마 여기서도 확인해야 할 것 같지만) 로컬 데이터 필터를 끄고, 모든 항목을 선택했는지, 모든 약관을 살펴보는지 확인했습니다. |
| |
여기 299개가 있습니다. 마우스 오른쪽 버튼을 클릭하고 "문서 용어 행렬 저장"을 선택하겠습니다. |
| |
그러면 어떤 방식으로 저장할지, 가중치를 적용할지, 어떤 가중치를 적용할지 묻습니다. 기본적으로 이진법인데, 사용할 수 있는 빈도, 즉 데이터 표에 실제로 포함되려면 최소 용어 빈도가 몇 개나 되는지 등을 정하는 방식입니다. 저는 이미 그렇게 했습니다. |
| |
그러니까 내가 옆으로 미끄러져 가서 보면... |
| |
실제로 |
| |
제가 직접 해 보고 어떻게 보이는지 보여드리겠습니다. 그럼 "문서 용어 행렬 저장"이라고 하고 "알겠습니다."라고 하겠습니다. |
| |
그리고 이제 슬라이드에서 보여드렸듯이, 제가 관심 있는 모든 용어를 알게 되었습니다. 첫 번째는 "양파"에 대한 것이고, 다음은 "고춧가루"에 대한 것입니다. 그리고 각각의 용어와 관련하여 |
| |
요리법, 아시죠, 줄. |
| |
그래서 저는 1이 어디에 있는지 알고, 이 케이준 칠리에 칠리 가루가 들어 있다는 것을 압니다. |
| |
0이 있을 때, |
| |
여기 이건 오클라호마 칠리 같은데, 아, 죄송하지만 뉴멕시코 칠리에는 고춧가루가 안 들어갔어요. 그냥 그렇게 되는 거죠. 그리고 이건 모델링에도 활용할 수 있어요. JMP에서 "적합 모델 분석"으로 가서 특정 모델에 실제로 적용할 수 있어요. |
| |
하지만 제가 하려는 건, 어떤 재료가 더 높은 점수를 줄지 예측하려는 게 아니니까, |
| |
출력 데이터가 여기 있습니다. 이 데이터들을 그룹화하고 싶은데, JMP Pro에서 실제로 가능하다고 들었습니다. 그럼 바로 슬라이드로 돌아가겠습니다. |
| |
그리고 데이터 분석에 대해 말씀드리겠습니다. 더 심도 있는 분석을 위해 |
| |
JMP Pro에서는 정말 훌륭한 그룹화 기술을 사용할 수 있으며, 이는 다변량 방법이며 텍스트 분석을 처리하고 해당 문서 용어 행렬을 다루는 데 특화되어 있습니다. 용어 행렬은 텍스트에 관한 것입니다. |
| |
그리고 잠재 계층 분석이라는 것을 사용합니다. 용어 중 하나죠. 이 기법은 주성분 분석과 비슷합니다. 이 기법에 익숙하시다면 아시겠지만요. 하지만 기본적으로는 |
| |
얼마나 많은 데이터 그룹이나 클러스터를 살펴볼지 물어보세요. 다차원 공간을 살펴볼 것입니다. |
| |
해당 열에 있는 모든 것과 여기 모델에서 중요한 용어에 대한 문서 용어 행렬 사이, 단어에서 얻은 중요한 용어 |
| |
단어 목록, 맞죠? 그러면 그룹으로 묶이게 됩니다. 제 경우에는 세 그룹으로 줄일 수 있었어요. |
| |
다진 쇠고기, 토마토 소스, 고춧가루, 콩을 넣은 칠리 요리법이 많이 있는 클러스터 요리도 있었습니다. |
| |
두 번째 클러스터는 닭고기와 청고추, 생고추와 많은 관련이 있습니다. |
| |
그리고 세 번째 클러스터도 있는데, 여기도 고추가 많이 들어가 있지만 붉은 고추가 더 많고 돼지고기를 기본으로 한 요리라서 아주 합리적이었습니다. |
| |
알겠습니다. 그래서 제가 이 클러스터를 생성했을 때 행별 클러스터 확률을 사용할 수 있었고 이는 개별 클러스터의 강도를 알려주었습니다. |
| |
레시피, 제 문서의 행들, 맞아요, 이 원본... 제 제어 레시피는 어디에 속하고 얼마나 강한지 알 수 없어요. 왜 이들을 어떤 클러스터에 할당했을까요? 그리고 이렇게 했을 때, |
| |
22는 할머니의 클러스터였고... 할머니의 컨트롤이었습니다. 그리고 저는 할머니가 미주리주 캔자스시티에서 나온 레시피들을 포함한 다른 레시피들과 함께 클러스터 1에 클러스터를 두셨다는 것을 발견했습니다. |
| |
24번에 아주 비슷한 레시피가 하나 있어요. 3번 클러스터의 텍사스 레시피에는 매운 고추, 향신료... 향신료가 많이 들어갔고, 돼지고기는 자주 들어갔지만 콩은 안 들어갔죠? 콩은 1번 클러스터에는 들어갔지만 3번 클러스터에는 들어가지 않았어요. 그리고... |
| |
클러스터 2 |
| |
더 많은 것, 아시다시피, 그것은 더 많은 녹색 칠리를 위한 것이었습니다. |
| |
뉴멕시코에서 볼 수 있는 그런 것들, 닭고기를 기반으로 한 칠리, 녹색 칠리가 들어간 것들 말입니다. |
| |
좋아요, 그래서 제가 그 매치를 성공해서 레시피를 찾았어요. 미주리의 대표적인 세 가지 레시피 중 하나였죠. |
| |
실제로 캔자스 시티 칠리라고 불렸고, 할머니 릴리언의 칠리와 거의 똑같았습니다. |
| |
그래서 어머니께 이 일에 대해 여쭤봤을 때, "음, 왜 이런 일이 일어날 수 있죠? 미주리에서 온 건 아닌 줄 알았어요."라고 했죠. 그러자 어머니는 "이게 다 말이 되는군."이라고 말씀하셨어요. 어머니는 "릴리안 할머니, |
| |
그녀는 미주리주 세인트 조셉의 농장에서 자랐는데, 외동딸이었고 남자 형제가 열한 명에서 열두 명 정도 있었어요. 그래서 요리는 그녀가 많이 했어요." |
| |
그런데, 그녀는 대학 교육을 받은 유일한 사람이었고, 그래서 살아온 당시로서는 꽤 진보적인 분이셨고 제가 가장 좋아하는 친척 중 한 분이셨는데, 그녀의 레시피는 그 점을 잘 보여주었어요. 자, 이제 이 요리가 어떤 모습인지 보여드릴게요. |
| |
그래서 내가 가면... |
| |
이 시점에서, |
| |
제가 만든 데이터로 돌아가서 그 핫스팟 아래에 JMP Pro가 제공하는 추가 모델을 요청하겠습니다. 이 방법을 사용하여 문서를 클러스터링하는 잠재 클래스 분석이 있습니다. |
| |
문서 용어 행렬을 이진 방식으로 구축하는 방식입니다. 문서를 사용하는 거죠... 문서 용어 행렬을 사용하는 거죠. 네, 저장할 필요도 없고 자동으로 생성됩니다. |
| |
잠재 의미 분석도 있는데, 좀 더 수학적, 좀 더 진보된 방법을 사용하지만, 둘 다 기본적으로 같은 일을 하고, 저는 특히 이 잠재 클래스 분석이 마음에 들어서 이걸 선택했습니다. |
| |
그리고 저는 클러스터를 세 개로 해달라고 했는데, 효과가 있는지 직접 확인해 보세요. 클러스터를 더 많이 시도해 봤는데 결국 세 개로 줄였습니다. |
| |
그리고 그 안에 |
| |
옵션을 사용하면 행별로 클러스터 확률을 살펴볼 수 있습니다. |
| |
그리고 모든 결과물 중에서 이게 가장 이해가 갔습니다. 다시 제 슬라이드로 돌아가서, 이 슬라이드는 할머니의 고추가 어디에 떨어졌는지 보는 데 도움이 됐습니다. |
| |
22살이었는데, |
| |
22번째 줄. 그리고 또 무엇과 잘 어울렸는지. 이렇게 해서 이 분석을 할 수 있었습니다. |
| |
정말 간단하죠. |
| |
그래서, |
| |
JMP에서 JMP 텍스트 탐색 기능을 수행하는 방법을 매우 빠르게 살펴보았고 JMP Pro를 사용하는 방법도 설명했습니다. |
| |
이 클러스터들을 찾아서 할머니께서 만들어 주시던 칠리를 넣고, 어울리는 레시피를 찾아보세요. 더 궁금하시다면 블로그 링크를 남겨둘게요. |
| |
프레젠테이션에서... 클릭하거나 바로 커뮤니티로 가서 "할머니의 칠리"를 입력하면 해당 블로그를 찾을 수 있습니다. 그리고 그것과 함께, 저희가 제공해 드리겠습니다. |
| |
레시피를 알려드릴게요. 릴리언 할머니의 칠리를 당신도 만들어 보세요. |
| |
오늘 여러분께 이것을 보여드릴 수 있어서 감사합니다. |
| |
궁금한 점이 있으면 Q&A에 남겨주세요. 답변해 드리겠습니다. 그리고 이렇게 해 보세요. 뭔가를 시도해 보세요. |
| |
직장, 집 등 어디에 있든 구조화되지 않은 텍스트 데이터가 있는 곳에서 이를 탐색하고 질문하고 싶다면 이 방법이 환상적이고 매우 강력하며 데이터의 세 번째 차원을 공략하는 데 정말 도움이 된다는 것을 알게 될 것입니다. |
