레벨: 초보자
다니엘 발렌테 , 박사, SAS의 JMP 수석 제품 관리자
Jon Weisz, JMP 수석 부사장, SAS 영업 및 마케팅
추상적인
종종 JMP 사용자는 여러 창과 분석 보고서가 한꺼번에 열리는 대화형 JMP 세션을 경험했습니다. 이 "플로팅 창 모드"에서 JMP를 사용하는 것이 일부 사용자에게는 효과적일 수 있지만 탭 인터페이스가 더 선호되는 상황이 있습니다. 사용자는 또한 특정 파일을 분석 프로젝트와 연결하고 홈 창에서 제공하는 전체 목록을 원하지 않을 수 있습니다. 이러한 이유로 JMP 14에서 프로젝트를 만들었습니다. 프로젝트는 JMP에 단일 문서 인터페이스, 탭으로 구분되고 재구성 가능한 작업 공간, 파일을 북마크할 수 있는 장소, 사용자가 다양한 열린 창, 데이터 테이블, 스크립트 등을 쉽게 탐색할 수 있는 창 목록을 제공합니다. 또한 .pdf 및 .ppt 문서와 같은 지원 파일도 시작합니다. 프로젝트를 사용하면 하나 이상의 개별 분석 활동과 관련된 여러 파일을 빠르게 열고 닫을 수 있으며 병렬 프로젝트를 별도로 유지하여 여러 JMP 세션을 실행할 필요가 없습니다. 마지막으로 JMP 14의 프로젝트는 보관 기능을 사용하여 작업을 공유하고 협업할 수 있는 쉬운 방법을 제공합니다.
JMP 프로젝트 개요
JMP의 프로젝트는 JMP에서 JMP를 사용하여 데이터 테이블, 보고서, 스크립트, 저널 및 아티팩트를 구성하는 방법입니다. .txt, .ppt, .html, .xls 및 이미지와 같은 외부 지원 파일을 네이티브 JMP 파일의 논리적 그룹과 연결된 적절한 프로젝트 파일에 연결할 수도 있습니다.
프로젝트 파일 자체(.jmpprj)는 독립 실행형 파일로, 파일을 넣을 컨테이너 역할을 하는 것이 아니라 디스크의 다른 항목을 가리킵니다. 결과적으로 컨테이너 기반 프로젝트의 유연성과 조직적 규율을 제공하는 동시에 운영 체제에서 파일을 찾을 수 있도록 유지합니다.
JMP 프로젝트는 파일 메뉴(파일 > 새 프로젝트)에서 생성됩니다. 새 프로젝트를 생성하면 JMP 창과 파일을 추가할 수 있는 저장되지 않은 프로젝트가 즉시 열리므로 임시 프로젝트를 쉽게 생성할 수 있습니다.
JMP 프로젝트의 예는 그림 1에 나와 있습니다. 프로젝트에는 세 가지 주요 섹션이 포함됩니다.
- 북마크 목록: 프로젝트와 연관시키고 싶은 디스크의 실제 파일에 대한 링크입니다. 홈 창에서 큐레이팅된 목록과 같습니다. 북마크는 개별 파일에 대한 링크, 폴더(하위 폴더를 포함하여 내부에 있는 내용을 자동으로 "감시") 및 그룹에 대한 링크가 될 수 있으며, 디스크에 있는 파일의 폴더 구조에 영향을 주지 않고 프로젝트의 파일에 대한 로컬 구성을 제공합니다 .
- 창 목록: 데이터 테이블과 연관된 오픈 데이터 테이블, 보고서 및 그래프의 계층적 목록입니다.
- 작업 공간: 스크립트, 그래프, 모델 출력 및 현재 메모리에 열려 있는 데이터 테이블을 포함한 탭으로 구분된 창 목록입니다. 레이아웃은 탭의 단일 열(예: 웹 브라우저와 같은)에서 배열하거나 탭으로 구분된 목록의 열로 배열할 수 있습니다. 레이아웃은 프로젝트를 열 때 유지되고 닫을 때 저장됩니다.
그림 1: 주석이 달린 주요 섹션이 있는 샘플 JMP 프로젝트.
예를 들어, 프로젝트는 다음 용도로 사용할 수 있습니다.
- 결과 프레젠테이션. 이 프로젝트는 그림 2A에 나와 있습니다. 이 프로젝트는 북마크와 창 목록을 숨기도록 구성되었습니다. 프레젠테이션을 실행하는 저널이 있는 단일 탭이 있는 열이 있습니다. 저널에는 스크립트와 지원 파일에 대한 링크가 포함되어 있으며, 클릭하면 프로젝트에 탭으로 표시됩니다. 저널은 프로젝트의 나머지 항목에 메모와 컨텍스트를 추가할 수 있는 기능을 제공합니다.
- 예측 모델링 워크플로. 이 프로젝트는 그림 2B에 나와 있으며 이 논문의 후반부 사례 연구 II에서 다룰 것입니다. 이 프로젝트에는 단일 데이터 세트에서 표준 예측 모델링 작업을 수행하는 것이 포함됩니다. 여러 모델이 빌드됨에 따라 적합하고 Formula Depot에 저장됩니다. Formula Depot은 자체 열에 있으므로 쉽게 참조할 수 있습니다. 마지막으로 모델 비교가 추가되고 모델을 프로덕션에 투입하기 위한 점수 코드가 생성됩니다.
- DOE 워크플로. 이 프로젝트는 그림 2C에 나와 있으며 이와 같은 DOE 워크플로는 이 논문의 후반부 사례 연구 I에서 다룰 것입니다. 이 프로젝트는 설계된 실험을 만들고, 여러 후보 설계를 비교하고, 데이터를 수집하고, 데이터를 분석하고, 다른 사람과 결과를 공유하기 위한 출력을 만드는 단계를 구성하는 데 사용됩니다. 실험에 대한 지원 자료(사진, 보고서 등)도 포함될 수 있습니다.
- 스크립팅 프로젝트. 이 프로젝트는 그림 2D에 나와 있습니다. JSL 스크립터가 창을 구성하고 스크립팅하는 동안 효율성을 높이는 데 도움이 됩니다. 이 프로젝트에는 프로젝트에서 사용하도록 특별히 구성된 모드에서 스크립팅 인덱스가 포함됩니다. 작업 중인 스크립트에는 내장된 로그가 포함되고 북마크 목록에 있는 지원 파일이나 함수에 대한 링크도 포함됩니다.
그림 2: JMP에서 프로젝트를 사용할 수 있는 방법
JMP Projects의 대상 사용자는 누구입니까?
프로젝트는 JMP에서 작업하는 선택적인 방법이며 많은 사용자는 JMP의 표준 "다중 창 모드"에서 계속 작업할 것입니다. 그러나 특정 방식으로 JMP에서 작업하거나 창 관리 또는 파일 관리에 대한 특정 문제가 있는 경우 이 프로젝트를 확인해 볼 가치가 있습니다.
많은 사용자는 Graph Builder와 같은 JMP 플랫폼을 최대화된 창으로 실행하는 것을 선호합니다. 안타깝게도 JMP의 창이 최대화되면 새로운 사용자가 데이터 테이블을 잃거나 현재 열려 있는 다른 창으로 이동하는 데 어려움을 겪기 쉽습니다. 탭 작업 공간을 활용하면 프로젝트에서 이러한 많은 어려움을 해결할 수 있습니다. 사용자는 웹 브라우저를 사용할 때처럼 열려 있는 다른 탭으로 이동하여 다른 분석 보고서나 데이터 테이블로 이동할 수 있습니다.
표준 주간 또는 일간 보고서가 있는 사람들에게 이 프로젝트는 그 작업을 지원하는 효율적인 컨테이너가 될 수 있습니다. 예를 들어 쿼리 빌더와 함께 프로젝트에는 데이터베이스에서 가장 최근의 데이터를 가져오고 일련의 표준 보고서를 생성하는 스크립트를 포함할 수 있습니다. 그런 다음 날짜와 함께 저장하여 이 일상적인 보고 작업을 간소화할 수 있습니다.
오랜 JMP 사용자는 Windows 버전의 JMP에서 마스터 윈도우를 기억하고(그리워할 수도) 있습니다. 이제 이 프로젝트를 통해 그 기능의 대부분을 복원할 수 있습니다.
대화형으로든 스크립팅을 통해든 많은 창을 생성하고 세션에서 길을 잃은 것처럼 느끼는 사용자의 경우, 이 프로젝트는 이러한 고통을 완화하는 데 도움이 될 수 있습니다. 사용자가 여러 프로젝트를 동시에 작업하는 경우 단일 프로젝트를 닫으면 해당 프로젝트와 관련된 모든 파일과 창이 자동으로 닫히고 다른 프로젝트는 그대로 두고 여러 창을 수동으로 닫을 필요가 없습니다.
이미 JMP 출력 및 파일에 대한 자체 파일 구성 체계를 구축한 사용자의 경우 프로젝트는 프레임워크를 제공하거나 JMP를 사용하는 폴더 구조 방식에 잘 맞을 수 있습니다. 마지막으로 컴퓨터 하드 드라이브에 파일이 있는 사람은 프로젝트에 개별 파일을 추가하여 지저분한 폴더 위에 정리된 구조를 배치할 수 있습니다.
프로젝트 작업
프로젝트에 파일 가져오기
먼저 새 프로젝트를 만듭니다(파일 > 새 프로젝트). 파일은 파일 추가로 프로젝트에 개별적으로 추가할 수 있습니다. 프로젝트에 추가된 파일은 북마크 목록에 추가됩니다. 파일을 개별적으로 추가할 때 프로젝트에서 로컬 그룹을 만드는 것이 유용할 수 있으며, 이를 통해 북마크를 더욱 체계적으로 구성할 수 있습니다. 새 그룹 명령을 실행한 다음 그룹 이름을 설명적인 이름으로 변경하여 그룹을 만듭니다.
- 프로 팁 : 그룹을 사용하면 템플릿 프로젝트를 설정하여 새 프로젝트가 필요할 때 쉽게 시작하고 실행할 수 있습니다. "데이터 세트", "참조 스크립트", "쿼리", "그래프 스크립트", "지원 파일" 및 "출력"과 같은 그룹은 새 프로젝트를 만드는 데 좋은 시작점이 될 수 있습니다. 프로젝트를 "템플릿 프로젝트"로 저장하고 새 프로젝트가 필요할 때마다 다른 이름으로 저장하세요.
폴더는 프로젝트에 추가할 수도 있는데, 이는 디스크에 이미 정리된 파일이 있는 경우에 유용합니다. 간단히 폴더를 추가하면 프로젝트에 북마크가 추가됩니다. 폴더는 모든 하위 폴더를 자동으로 포함하고 "감시"됩니다(즉, 파일이 폴더 안이나 밖으로 이동하면 프로젝트의 북마크 안이나 밖으로도 이동됩니다). 즉, 프로젝트가 감시하는 폴더에서 파일을 제거하면 저장된 프로젝트의 스크립트나 보고서가 손상될 수 있으므로 주의해야 합니다. 프로젝트를 닫았다가 다시 열면 폴더가 자동으로 새로 고쳐지고 컨텍스트 클릭 > 새로 고침을 사용하여 수동으로 새로 고칠 수 있습니다.
북마크 파일 목록 내에는 여러 가지 유용한 컨텍스트 클릭 명령이 있는데, 이를 통해 파일 이름, 경로, 크기, 생성 정보, 마지막 쓰기 및 마지막 액세스 날짜와 프로젝트 아카이브에 복사할 체크박스(나중에 아카이브 섹션에서 다룸)를 포함한 정보를 표시할 수 있습니다. finder에서 표시 명령은 운영 체제에서 파일이 있는 위치를 보여줍니다. 경로 복사를 사용하면 디스크의 파일 경로를 클립보드로 가져올 수 있으며, 이는 파일을 참조하는 스크립트를 작성하는 경우에 유용합니다. 마지막으로 삭제… 옵션을 사용하면 프로젝트에서 북마크를 제거(권장)하거나 휴지통/휴지통으로 이동할 수 있습니다.
파일은 드래그 앤 드롭으로 자동으로 북마크할 수도 있습니다. 운영 체제에서 드래그한 파일을 북마크 목록에 놓으면 자동으로 북마크할 수 있습니다. 폴더도 같은 방식으로 북마크할 수 있습니다.
프로젝트에서 다른 데이터 테이블을 만들면 직접 저장하고 북마크할 수 있습니다. 예를 들어, Tables > Summary를 사용하여 요약 테이블을 만든다고 가정해 보겠습니다. 파일이 디스크에 저장된 후에는 Window List에서 Bookmarks로 끌어서 놓을 수 있습니다.
많은 사용자는 프로젝트에서 다중 창 모드로, 다중 창 모드에서 프로젝트로(세션을 캡슐화하기 위해 프로젝트를 사용), 또는 프로젝트에서 프로젝트로(예를 들어 단일 분석 프로젝트가 너무 복잡해질 때) 이동하고 싶어할 것입니다. 이를 위해 그림 3과 같이 Window > Move To/From Project를 사용합니다.
소스 프로젝트(또는 개별 별도 창에서 항목을 이동하려는 경우 none)와 대상 프로젝트(none, 새 프로젝트 또는 기존 열린 프로젝트)를 선택하기만 하면 됩니다. 모든 파일을 이동하고 북마크하기 위한 빠른 버튼이 있거나, 소스에서 대상으로 데이터 테이블과 관련 보고서의 하위 집합을 선택할 수 있습니다.
데이터 테이블을 클릭하면 현재 프로젝트에서 열려 있는 모든 보고서 창이 자동으로 표시됩니다. 보관하지 않으려면 이동이 완료된 후 탭이나 창을 닫기만 하면 됩니다. 데이터 테이블은 이 창에서 직접 북마크할 수도 있습니다. 또한 데이터 테이블은 이 도구에서 북마크하려면 디스크에 저장해야 합니다. 그러나 저장되지 않은 파일은 새 프로젝트나 여러 창으로 이동할 수 있습니다.
표의 개별 줄을 클릭하면 유용한 썸네일이 표시되는데, 이는 이동할 때 어떤 파일과 관련 그래프, 보고서가 필요한지 결정하는 데 도움이 될 수 있습니다.
그림 3. 프로젝트로 이동/프로젝트에서 이동 창.
작업 공간 관리
프로젝트에 파일을 추가한 후에는 그림 1과 같이 프로젝트의 작업 공간 섹션을 사용하여 그래프와 보고서를 탭 방식으로 구성할 차례입니다. 기본적으로 프로젝트에 새 창이 생성되면 작업 공간의 단일 열에 있는 탭에 추가됩니다.
간단한 예제 프로젝트를 살펴보겠습니다. 먼저 새 프로젝트를 만든 다음 즉시 하드 드라이브에 저장합니다. 그런 다음 "sample project"라는 새 폴더를 만들고 해당 폴더에 프로젝트 파일을 넣습니다. 이렇게 하면 모든 스크립트, 데이터 테이블 및 지원 자료를 추가할 수 있는 단일 폴더가 생깁니다. 프로젝트에 Data Tables, Scripts 및 Output이라는 세 그룹을 만들 것입니다. 그런 다음 프로젝트에 "FHPI.jmp"와 "StatesMetadata.jmp"라는 두 개의 파일을 추가합니다.
이 프로젝트를 통해 쿼리 스크립트를 통한 데이터 처리, 데이터 정리, 시각화, 모델링, 콘텐츠 큐레이션 및 결과 전달을 위한 최종 출력으로 구성된 표준적인 종단 간 분석 워크플로를 개발하는 자동화 스크립트를 작성할 예정입니다.
자동화 스크립트 개발을 시작하기 위해, 필요한 것을 찾아야 할 경우를 대비해 help > scripting index를 인스턴스화할 수도 있습니다. 스크립팅 인덱스가 프로젝트에 로드되면 탭으로 추가됩니다. 데이터 테이블과 출력의 오른쪽에 도킹할 수 있다면 더 유용할 것입니다. 이렇게 하려면 스크립팅 인덱스 탭을 벗기기만 하면 됩니다. Graph Builder 드롭 존이 프로젝트에 표시되어 그림 4와 같이 프로젝트 작업 공간을 끌어서 놓아 재구성할 수 있습니다.
그림 4. 탭 목록에서 탭을 벗기면 켜지는 프로젝트 작업 공간 드롭 존. 드롭 존에는 프로젝트 작업 공간을 더 쉽게 구성할 수 있도록 주석이 달려 있습니다.
탭 제목의 작은 탭 아이콘을 클릭하면 개별 탭을 최대화하거나 최소화할 수 있습니다. 예를 들어 개별 플랫폼 보고서에 집중하거나 Graph Builder와 같이 프로젝트 내에서 좀 더 많은 부동산을 활용할 수 있는 플랫폼을 사용할 때 유용할 수 있습니다. 프로젝트 내에서 임시 프레젠테이션에도 사용할 수 있습니다.
탭이 최대화되면 북마크와 창 목록이 유지됩니다. 북마크 표시 및 창 목록 표시 명령을 토글하여 프로젝트 메뉴에서 수동으로 숨길 수 있습니다. 기본적으로 숨겨져 있는 프로젝트 전체 로그도 이 메뉴에서 표시할 수 있습니다.
언제든지 레이아웃을 재정렬하고 결과가 마음에 들지 않으면 레이아웃 실행 취소 및 다시 실행 명령이 도움이 됩니다. 프로젝트 메뉴에서 레이아웃을 재설정하여 기본 단일 탭 목록으로 돌아갈 수도 있습니다.
작업 공간 내의 탭은 클릭(마우스 커서를 탭 위에 올리면 축소판이 생성됨), 창 목록 내에서 더블 클릭, 또는 좌우 화살표를 사용하여 탭을 스크러빙하여 탐색할 수 있습니다.
프로젝트 저장 및 보관
분석 프로젝트를 계속 진행하면서 Query Builder를 사용하여 두 테이블을 결합하고 모델링 및 시각화를 위해 읽은 세 번째 테이블을 만들 것입니다. Query Builder 스크립트를 빌드한 다음 프로젝트 폴더에 저장할 수 있습니다. 프로젝트에 추가하고 스크립트 그룹으로 끌어서 놓겠습니다.
그림 5에 나와 있습니다. 스크립트, 쿼리, 애플리케이션 또는 대시보드는 마우스 오른쪽 클릭 메뉴를 통해 직접 실행할 수 있으므로 프로젝트에서 열고 스크립트를 실행하는 클릭을 절약할 수 있습니다. 또한 적극적으로 편집되지 않는 "프로덕션" 스크립트에 대한 탭이 열리지 않으므로 프로젝트를 깔끔하게 유지하는 데 도움이 될 수 있습니다.
그림 5. 탭에서 열지 않고도 마우스 오른쪽 버튼을 클릭하여 스크립트를 직접 실행합니다.
스크립트를 실행하면 두 테이블이 제대로 조인된 세 번째 데이터 테이블이 생성됩니다. JoinTables 탭에는 이름 옆에 *가 있는데, 이는 이 파일이 아직 디스크에 저장되지 않았음을 나타냅니다. 파일 > 프로젝트 저장에서 프로젝트를 저장하려고 하면 그림 6에 표시된 다음과 같은 경고 메시지가 나타납니다.
그림 6. 프로젝트 경고 메시지에 있는 저장되지 않은 문서.
이 시점에서 프로젝트를 저장하기 전에 모든 파일을 저장하거나 닫아야 하므로 무엇을 할 것인지 결정해야 합니다. 모두 저장을 클릭하면 먼저 저장되지 않은 모든 파일을 디스크에 저장하라는 메시지가 표시되고 그런 다음 프로젝트를 저장합니다. 기본적으로 꺼져 있는 체크박스가 있는데, 이를 통해 프로젝트를 저장할 때 이전에 저장된 문서(저장되지 않은 변경 사항만 포함)를 자동으로 저장할 수 있습니다. 특히 프로젝트를 시작할 때 데이터 테이블에 임시로 변경한 내용을 삭제(열 추가, 열 삭제, 셀 변경 등)하고 싶을 수 있으므로 이 설정을 신중하게 사용하십시오.
모두 닫기 옵션은 저장되지 않은 모든 문서를 닫고 저장하지 않지만 각 문서를 개별적으로 저장할 필요가 없도록 합니다. 이는 많은 출력을 생성하는 스크립트가 있지만 반드시 저장하고 싶지 않은 경우에 유용할 수 있습니다.
저장되지 않은 문서를 수동으로 저장할 수도 있으며, 탭 목록에 있는 *가 모두 사라지면 한 번의 클릭으로 프로젝트를 저장할 수 있습니다.
이 프로젝트는 그래프와 다른 플랫폼 출력을 약간 다른 방식으로 저장합니다. 이 프로젝트는 JMP의 세션 스크립트 기능을 활용하기 때문에 스크립트를 데이터 테이블이나 저널에 저장하거나 보고서를 .jrp 파일로 저장할 필요 없이 저장하고 닫을 때 그래프와 플랫폼 출력이 자동으로 유지됩니다. 이는 JSL을 먼저 배우지 않고도 분석 프로젝트의 상태를 저장하려는 신규 사용자에게 특히 유용합니다.
프로젝트에서 스크립트 재생
북마크된 .jsl, .jmpquery 및 .jmpapp/.jmpappsource 파일은 북마크 목록에서 직접 실행할 수 있습니다(JMP의 홈 창과 동일). 이러한 파일 중 하나를 마우스 오른쪽 버튼으로 클릭하면 그림 7과 같이 이러한 파일에 대해 수행할 작업에 대한 확장된 옵션을 볼 수 있습니다.
그림 7. 프로젝트에서 인기 있는 JMP 파일 유형에 대한 상황에 맞는 메뉴.
이 오른쪽 클릭 메뉴 옵션을 사용하면 AppBuilder/Dashboard Builder, Query Build 또는 JSL 스크립트 편집기를 열지 않고도 애플리케이션을 빠르게 빌드하고, 스크립트를 실행하거나, 쿼리를 직접 실행할 수 있습니다. 항목이 실행되고 결과가 프로젝트의 새 탭에서 자동으로 열리므로 클릭이 절약됩니다. 또한 Query Builder에는 "열 때 실행" 옵션이 있습니다(그림 7 참조). 이 두 번 클릭한 쿼리는 Query Builder를 열지 않고도 자동으로 실행됩니다.
대시보드 및 웹 보고서
대시보드와 웹 보고서는 JMP 분석 결과를 다른 사람과 공유하고 전달하는 일반적인 방법입니다. 두 기능 모두 JMP 프로젝트에서 지원됩니다. 파일 > 새 대시보드를 클릭하면 대시보드 빌더 인터페이스가 열려 프로젝트 내에서 사용 가능한 모든 보고서를 볼 수 있습니다. 보고서를 정리하고, 필터, 텍스트 및 기타 항목을 추가할 수 있습니다. 빨간색 삼각형 메뉴에서 대시보드 실행을 클릭하면 결과 대시보드가 프로젝트의 새 탭에 표시됩니다(그림 8 참조).
그림 8. 프로젝트 내에서 대시보드 빌더로 빌드한 대시보드를 실행한 결과. 결과 대시보드는 프로젝트에서 새 탭을 채웁니다.
웹 보고서는 비슷합니다(파일 > 게시). 웹 보고서 만들기 기능은 프로젝트 내의 모든 사용 가능한 탭을 자동으로 적용 가능한 그래프로 보고 웹 보고서를 채웁니다. 따라서 웹 보고서는 현재 JMP가 없는 사람과 프로젝트의 워크플로를 공유하는 좋은 방법이 될 수 있습니다.
사례 연구 1: DOE 프로젝트
고용하다프로젝트s의 일부로서d의 디자인e실험(DOE) JMP 내에서는 결과 전달에 도움이 될 수 있습니다.,실험 자체의 작업에도 도움을 줍니다.
D를 사용하여OJMP의 E는 다음을 의미합니다.
- D를 실행하다O데이터 수집 계획을 만드는 E 플랫폼.
- JMP 테이블 사용기초로서데이터 수집.
- 다양한 JMP 그래픽 플랫폼을 활용하여 실험 실행 결과 확인.
- JMP 모드 활용수집된 데이터를 기반으로 예측 모델을 구축하고 모델의 일부로 사용할 수 있는 플랫폼운동하기,다양한 진단 플롯을 보고 적절한 모델이 개발되었는지 확인합니다.
- D의 결과를 전달하기 위한 그래픽과 표 구성OE는 의도를 가지고~의홍보하다~에조직의 행동.
일반적인 절차에 대한 자세한 설명위에 S1-5단계자주결과s~에많은JMP의 창과 테이블.그 과정이 몇 달이 걸릴 수도 있다는 것도 사실일 수 있습니다.이동하다~에서S1단계부터S5단계,즉, JMP 사용자는 중요한 결과를 자신의 파일 시스템에 저장하고, 그 보관 위치를 기억하고, 전체 프로세스를 추적해야 합니다.
이 사례 연구에서는 누구나 실행할 수 있는 간단한 실험을 사용하여 다음 사항을 보여줍니다.p프로젝트는 D에 도움이 될 수 있습니다OE는 창문을 관리하고, 결과를 추적하고, 결론을 전달하는 역할을 합니다.
JMP가 어떻게 작동하는지 보여주기 위해 간단한 실험을 실행하고 싶습니다.사용자 정의 디자이너를 사용할 수 있습니다제약조건을 가지고 실험을 수행하다a 변하기 쉬운, 와 같은이 경우에는 총 에너지입니다.
이 실험의 목표는 집 전자레인지에서 팝콘을 굽는 데 적합한 설정을 찾는 것입니다.제가 제어할 수 있는 변수는 세 가지입니다.
- 시간(요리 시간을 mm:ss 단위로 설정할 수 있음).
- 전원(불투명한Level 1-10, 이것이 온도에 대해 무슨 의미인지는 잘 모르겠어요).
- 브랜드(시장에는 많은 브랜드가 있습니다; 나는 선택했다약간 위장하다친숙한 브랜드윌버그리고기밀).
팝콘 상자에 적힌 지침에 따라,나는 시간을 다르게 하기로 결정했습니다.삼에게다섯분과 힘L레벨 5에서L레벨 10.그런 다음 저는 짧은 시간과 낮은 전력, 그리고 긴 시간과 높은 전력을 의미하는 디자인 공간의 모서리를 점검하기 시작했습니다.이 모서리는 내가 선택한 레벨의 최대 및 최소 총 에너지를 나타냅니다.(그림 9).
그림 9 : 위의 왼쪽과 오른쪽 이미지는 디자인 공간의 모서리를 보여줍니다.
초기 결과를 보면 공간의 모서리는 실현 가능하지 않다는 것이 분명합니다.따라서 제한된 디자인 공간을 만들려면 JMP Custom Designer를 사용해야 합니다.JMP Projects를 사용하고 싶어서 먼저 엽니다.에드새로운 프로젝트를 만들고 "내 팝콘 실험"이라는 이름을 붙였습니다.표시된 대로F그림 10.
그림 10: DOE 워크플로 프로세스 시작 시 빈 프로젝트의 스크린샷.
그런 다음 프로젝트 내에서 커스텀 디자이너를 실행하고 그림 11과 같이 응답과 요소를 설정했습니다.
그림 11: 실험 실행을 설정하기 위한 Custom Desig 실행.
이제 내 모델(RSM)을 선택하고 총 에너지(시간 + 전력 수준)에 대한 제약 조건을 설정할 때입니다. 요인에 대한 선형 제약 조건 설정은 그림 12에 표시된 대로 제약 조건을 설정하기만 하면 됩니다.
그림 12: 실험적 제약 조건을 설정하고 모델링하고자 하는 효과를 추가하여 필요한 실행 횟수를 결정합니다.
저는 Make Design을 선택했고, 그 결과 JMP에서 후보 디자인을 보여주었습니다. 그림 13은 제가 전자레인지에 설정할 수 있는 것과 일치하는 시간 및 전력 레벨 형식을 사용한 디자인을 보여줍니다.
그림 13: 실험 실행 표.
다음으로, 팝콘 16상자를 튀겼습니다. 샘플링 도구로 컵 측정기를 사용하여 각 런에서 대표적인 컵을 선택하고 총 커널과 튀겨진 커널의 수를 세었습니다. 데이터는 그림 14에서 볼 수 있습니다.
그림 14: 실험 결과
저는 몇 가지 그래프를 보고 이항 반응으로 팝콘 수를 사용하여 일반화된 회귀 분석을 구축했습니다. 브랜드별 시간 대 파워의 히트맵은 팝콘 수와 총 팝콘 수의 비율을 낮음(파란색)에서 높음(빨간색)으로 표시하여 중간에서 높은 파워 레벨과 시간의 조합이 더 나은 결과를 낸다는 것을 보여줍니다. 회귀 모델의 프로파일러는 윌버 브랜드 팝콘이 총 에너지에 더 강하다는 결론을 추가로 내리면서 결과를 가장 잘 전달합니다. 그림 15와 16은 이러한 결과를 보여줍니다.
그림 15. 브랜드별 시간 대 파워의 히트맵. 전체에 대한 노출 비율을 낮음(파란색)에서 높음(빨간색)으로 표시.
그림 16: 최종 모델을 보여주는 프로파일러와 브랜드, 시간, 전력 계수의 변화가 응답에 미치는 영향을 보여줍니다.
마지막으로 JMP에서 두 개의 그래픽을 PDF 형식으로 추가하여 간단한 결론 문서를 작성했습니다. 그림 17에서 보듯이 프로젝트 창의 왼쪽 상단에 있는 파일 추가 버튼을 선택하여 이 결론 문서를 프로젝트에 추가했습니다.
그림 17. 이 실험의 결과를 공유하기 위해 북마크한 간단한 결론.
이제 저는 제 설계 설정, 데이터, 모델 및 지원 그래픽과 결론 문서를 포함하는 프로젝트 파일을 가지고 있습니다. 이것은 이 실험에 대한 제 기억의 기초가 되는 독립형 파일입니다. 또한 프로젝트와 지원 파일을 현재와 미래에 제 팀원들이 검색할 수 있는 위치에 저장하면 이 실험에 대한 회사 기억으로도 사용됩니다.
사례 연구 2: 예측 모델링 프로젝트
우리는 물리화학적 특성 집합에서 와인 품질을 예측하는 모델을 구축하는 작업을 지원하기 위해 프로젝트를 사용할 것입니다(Cortez et al. 2009 참조). 데이터 세트는 UCI Machine Learning Repository(Lichman 2013)에서 다운로드할 수 있습니다. 이 프로젝트를 사용하여 Multiple File Import를 통해 데이터를 가져오는 프로세스, 가져온 결과 데이터 테이블을 탐색하고 정리하는 프로세스, 그래프를 작성하는 프로세스, JMP Pro에서 다양한 머신 러닝 기술을 사용하여 여러 후보 모델을 작성하는 프로세스, 모델을 비교하는 프로세스, 사용할 모델을 결정하는 프로세스, 궁극적으로 이 모델링을 프로덕션에 적용하는 데 도움이 되는 점수 코드를 생성하는 프로세스를 관리할 수 있습니다. JMP에서 종단 간 분석 워크플로를 따라가면서(그림 18 참조) 프로젝트가 자연스럽게 프로세스를 지원하는 방식을 보여드리겠습니다.
그림 18. JMP의 종단간 분석 워크플로.
역사적 데이터는 UCI Machine Learning 웹사이트에서 직접 다운로드할 수 있습니다: http://archive.ics.uci.edu/ml/datasets/Wine+Quality . 다운로드할 수 있는 파일은 세 개입니다: winequality-red.csv, winequality-white.csv 및 winequality.names. 프로젝트를 만드는 첫 번째 단계는 JMP에서 파일 > 새 프로젝트로 이동하고 데스크톱에 "와인 모델링 프로젝트"라는 폴더를 만드는 것입니다. 세 개의 텍스트 파일을 모두 이 폴더에 넣겠습니다.
프로젝트 파일을 와인 품질 프로젝트 폴더에 저장한 다음 북마크를 구성하는 데 도움이 되는 여러 그룹을 만들겠습니다. 01-원시 데이터, 02-JMP 데이터 테이블, 03-스크립트, 04-점수 코드, 05-출력.
세 개의 원시 데이터 파일을 모두 Finder에서 원시 데이터 폴더로 끌어서 놓아 북마크에 추가하겠습니다.
다음으로, 파일을 JMP 데이터 테이블로 가져오고 싶습니다. 여러 파일 가져오기를 사용하여 스크립트를 작성하거나 테이블 메뉴(파일 -> 여러 파일 열기...)를 사용하지 않고도 두 CSV 파일을 자동으로 열고 연결할 것입니다. .csv 파일만 열려면 확장자로 .csv를 선택하고 스택 유사 파일에 대한 라디오 버튼을 체크합니다. 파일 이름 추가 열을 체크하여 어떤 샘플이 레드 와인이고 어떤 샘플이 화이트 와인인지 유지합니다. 스크립트를 스크립트 창에 저장하고 프로젝트에 스크립트를 저장하여 새 데이터가 들어와서 JMP 데이터 테이블을 다시 생성하고 싶을 때 여러 파일 가져오기 대화 상자를 다시 거치지 않고도 바로 생성할 수 있도록 합니다(그림 19). 나중에 사용할 수 있도록 창 목록에서 북마크로 스크립트를 끌어다 놓은 다음 스크립트를 닫습니다.
그림 19. 여러 파일 가져오기 설정.
이제 데이터 세트가 단일 JMP 데이터 테이블로 열렸으므로 파일을 저장한 다음 프로젝트에 북마크하겠습니다. Recode를 사용하여 해당 샘플의 와인 카테고리를 표시하는 열(색상)을 추가할 수 있습니다. 이 모델링 연습의 목표는 물리화학적 특성(잔류당, 알코올 또는 아황산염 등)을 측정하는 비교적 저렴한 방법을 사용하여 와인의 전문적인 맛 테스트를 수집하는 데 비교적 비용이 많이 드는 것을 예측하는 것입니다. 우리는 두 가지 특성을 모두 갖춘 과거 데이터가 있어서 운이 좋으며, 좋은 교차 검증 기술을 사용하여 이 과거 데이터에 대한 모델을 구축할 수 있습니다. 이 모델은 물리화학적 특성만 사용할 수 있는 새 데이터에서 잘 작동할 수 있습니다. 그림 20은 선택된 고품질 와인의 분포 행렬을 보여줍니다. 다른 측정값의 분포에서 이러한 높은 평가를 받은 와인을 세분화하기 위해 일부 값에 약간의 분리가 있을 수 있음을 알 수 있습니다(즉, 품질 점수가 높은 와인은 잔류당이 적고 알코올 함량이 높은 경향이 있는 것처럼 보입니다). 여러 모델을 구축하여 이 가설을 테스트할 것입니다.
다변량 분석을 수행하고 상관 관계에 대한 컬러맵을 살펴보면 많은 측정값이 서로 높은 상관 관계를 가지고 있음을 알 수 있습니다. 이는 단계별 회귀나 최소 제곱과 같은 표준 모델링 기술로는 해결하기 어려울 것입니다.
그림 20. 물리화학적 특성, 색상 및 품질 점수의 분포 행렬. 높은 평가를 받은 와인이 선택되었습니다. 물리화학적 특성에 대한 상관관계에 대한 색상 맵이 오른쪽에 표시됩니다.
모델 성능을 평가하고 다양한 모델링 기법에 와인 품질을 예측하는 동일한 기회를 제공하기 위해 모델 성능의 정직한 평가를 위해 교차 검증을 사용할 것입니다. 기본적으로 우리는 우리가 가진 데이터를 세 가지 세트로 나눌 것입니다. 훈련(모델을 구축하는 데 사용), 검증(모델을 미세 조정하고 복잡성과 절약성을 성능과 균형 잡는 데 사용), 마지막으로 테스트(모델링에 사용되지 않지만 들어오는 새 데이터를 시뮬레이션하는 데만 사용되는 데이터 하위 세트, 따라서 새 데이터에서 모델의 수행 능력을 판단하는 데 사용).
검증 열을 빌드하기 위해 Analyze > Predictive Modeling에서 Make Validation Column 유틸리티를 사용하겠습니다. 계층화된 무작위 옵션을 선택한 다음 Wine Color 열을 클릭하여 레드와 화이트 와인 모두에 대해 훈련, 검증 및 테스트 그룹의 샘플 비율이 동일한지 확인합니다. 훈련, 검증 및 테스트 그룹의 70%/20%/10% 샘플을 만들 것입니다.
우리는 여러 후보 모델을 빌드한 다음 이를 Formula Depot에 게시할 것입니다. Formula Depot은 프로젝트에 잘 들어맞습니다. (분석 > 예측 모델링)을 불러온 다음 Formula Depot을 프로젝트 오른쪽의 자체 열에 도킹합니다.
이제 Boosted Tree, Bootstrap Forest, Neural Net, 그리고 여러 Generalized Regression Model을 빌드할 것입니다. 개별 모델을 빌드하면서 Formula Depot에 결과를 게시할 것입니다.
그림 21. 최종 예측 모델링 프로젝트.
Bootstrap Forest가 테스트 데이터에 가장 잘 맞는 모델인 듯합니다. Bootstrap Forest는 기본 모델을 잘 포착했습니다. 그림 21은 내가 빌드한 모든 모델을 탭 목록에서 보고, 작업 공간 오른쪽에 도킹된 Formula Depot의 모델 컬렉션과 모델 출력 바로 아래에 변수 중요도와 다양한 후보 모델에 대한 프로파일러를 살펴보기 위해 모델을 비교하는 방법을 보여줍니다.
Bootstrap Forest가 잘하는 것은 그림 22에서 보듯이 와인의 알코올을 높이면 품질이 일정 수준까지 높아진다는 사실을 포착하는 것입니다. 이 그림은 과거 데이터에 표시된 대로 최고 품질의 와인을 생산하는 데 필요한 설정을 보여줍니다. 우리는 두 가지 방법으로 이러한 결과를 다른 사람들과 공유할 수 있습니다. 하나는 Formula Depot에서 다양한 언어(예: SAS, Python, C, JavaScript 또는 SQL)로 모델의 점수 코드를 저장하고, PPT 또는 HTML로 저장하는 것입니다.
그림 22. 와인 품질을 예측하는 부트스트랩 포레스트 모델.
이 대화형 보고서는 JMP가 없는 다른 사람들과 공유할 수 있습니다. 그리고 Profiler는 웹에서 대화형으로 유지되므로 값을 대화형으로 조정하여 와인 품질에 미치는 영향을 확인할 수 있습니다. 모델 점수 코드와 대화형 HTML5 보고서 모두 프로젝트에서 북마크할 수 있습니다.
참고문헌
- Cortez, A. Cerdeira, F. Almeida, T. Matos 및 J. Reis. 물리화학적 특성에서 데이터 마이닝을 통한 와인 선호도 모델링.
Decision Support Systems, Elsevier, 47(4):547-553, 2009.
- Lichman, M. (2013). UCI 머신 러닝 리포지토리 [ 한국어: http://archive.ics.uci.edu/ml ]. Irvine, CA: 캘리포니아 대학교, 정보 및 컴퓨터 과학부.
