Nivel: Principiante
Daniel Valente , PhD, JMP Gerente sénior de productos, SAS
Jon Weisz, vicepresidente sénior de ventas y marketing de JMP, SAS
Abstracto
A menudo, los usuarios de JMP han experimentado sesiones interactivas que les dejaban con muchas ventanas e informes de análisis abiertos a la vez. Si bien usar JMP en este modo de ventana flotante puede funcionar para algunos, en ocasiones se prefiere una interfaz con pestañas. También es posible que los usuarios deseen asociar ciertos archivos a un proyecto de análisis y no tener la lista completa que ofrece la ventana de inicio. Por estas razones, creamos proyectos en JMP 14. Los proyectos proporcionan una interfaz de documento única para JMP, un espacio de trabajo con pestañas y reconfigurable, un lugar para marcar archivos y una lista de ventanas que permite al usuario navegar fácilmente por diversas ventanas abiertas, tablas de datos, scripts y más. Además, abre archivos de soporte como archivos .pdf y .ppt. Los proyectos permiten abrir y cerrar rápidamente varios archivos asociados a una o más actividades de análisis individuales y mantener proyectos paralelos separados, eliminando la necesidad de ejecutar varias sesiones de JMP. Finalmente, los proyectos en JMP 14 también ofrecen una forma sencilla de compartir y colaborar en el trabajo gracias a su función de archivado.
Descripción general de los proyectos del JMP
Los proyectos en JMP permiten organizar tablas de datos, informes, scripts, diarios y artefactos relacionados con el uso de JMP. También se pueden asociar archivos de soporte externos, como .txt, .ppt, .html, .xls e imágenes, con los archivos de proyecto correspondientes asociados a un grupo lógico de archivos nativos de JMP.
El archivo de proyecto (.jmpprj) es un archivo independiente que apunta a otros elementos del disco, en lugar de actuar como un contenedor para guardar archivos. Esto proporciona la flexibilidad y la organización de un proyecto basado en contenedores, a la vez que mantiene los archivos disponibles en el sistema operativo.
Los proyectos JMP se crean desde el menú Archivo (Archivo > Nuevo proyecto). Al crear un nuevo proyecto, se abrirá inmediatamente un proyecto sin guardar donde se pueden agregar ventanas y archivos JMP, lo que facilita la creación de proyectos temporales.
En la Figura 1 se muestra un ejemplo de un proyecto JMP. Un proyecto incluye tres secciones principales:
- Lista de Marcadores: Enlaces a archivos físicos en disco que desea asociar con el proyecto. Es como una lista organizada de la ventana de inicio. Los marcadores pueden ser enlaces a archivos individuales, a carpetas (que supervisan automáticamente el contenido, incluidas las subcarpetas) y a grupos, lo que proporciona una organización local específica para los archivos del proyecto sin afectar la estructura de carpetas de los archivos en disco .
- Lista de ventanas: Lista jerárquica de tablas de datos abiertas e informes y gráficos asociados con la tabla de datos.
- Espacio de trabajo: Lista de ventanas con pestañas, que incluye scripts, gráficos, resultados del modelo y tablas de datos abiertas en memoria. El diseño puede organizarse desde una sola columna de pestañas (p. ej., como un navegador web) o en columnas de listas con pestañas. El diseño se conserva al abrir un proyecto y se almacena al cerrarlo.
Figura 1: Un proyecto JMP de muestra con secciones principales anotadas.
Por ejemplo, los proyectos se pueden utilizar para:
- Presentación de resultados. Este proyecto se muestra en la Figura 2A. Se ha configurado para ocultar las listas de marcadores y ventanas. Hay una columna con una sola pestaña que contiene un registro que ejecuta la presentación. El registro incluye enlaces a scripts y archivos de soporte que, al hacer clic, se muestran en los proyectos como pestañas. El registro permite agregar notas y contexto al resto de los elementos del proyecto.
- Flujo de trabajo de modelado predictivo. Este proyecto se muestra en la Figura 2B y se abordará en el Caso Práctico II más adelante en este documento. El proyecto incluye la ejecución de tareas estándar de modelado predictivo en un único conjunto de datos. Se ajustan múltiples modelos y se guardan en un Depósito de Fórmulas a medida que se construyen. El Depósito de Fórmulas se encuentra en su propia columna para facilitar su consulta. Finalmente, se añade una Comparación de Modelos y se genera un código de puntuación para poner el modelo en producción.
- Flujo de trabajo del DOE. Este proyecto se muestra en la Figura 2C y un flujo de trabajo del DOE como este se abordará en el Caso Práctico I más adelante en este documento. El proyecto se utiliza para organizar los pasos para crear un experimento diseñado, comparar múltiples diseños candidatos, recopilar y analizar datos, y generar resultados para compartirlos con otros. También puede incluir material de apoyo sobre el experimento (fotografías, informes, etc.).
- Proyecto de scripting. Este proyecto se muestra en la Figura 2D. Se utiliza para ayudar a los programadores de JSL a organizar sus ventanas y facilitar la creación de scripts. El proyecto incluye el índice de scripting en un modo configurado específicamente para su uso en un proyecto. El script en el que se trabaja incluye un registro integrado y enlaces a archivos o funciones de apoyo en la lista de marcadores.
Figura 2: Formas en que se pueden utilizar los proyectos en JMP.
¿Quién es el usuario previsto de los proyectos JMP?
Los proyectos son una forma opcional de trabajar en JMP, y muchos usuarios seguirán trabajando en el modo multiventana estándar de JMP. Sin embargo, para quienes trabajan en JMP de una forma específica o tienen dificultades con la gestión de ventanas o archivos, vale la pena echarle un vistazo al proyecto.
Muchos usuarios prefieren ejecutar plataformas JMP, como Graph Builder, con la ventana maximizada. Desafortunadamente, una vez maximizada una ventana en JMP, es fácil que los nuevos usuarios pierdan la tabla de datos o tengan dificultades para navegar a otras ventanas abiertas. Al utilizar un espacio de trabajo con pestañas, el proyecto soluciona muchos de estos problemas. Un usuario puede simplemente navegar a otra pestaña abierta, como al usar un navegador web, para acceder a otro informe de análisis o tabla de datos.
Para quienes tienen informes semanales o diarios estándar, el proyecto puede ser un contenedor eficiente para respaldar ese trabajo. Por ejemplo, junto con el Generador de Consultas, un proyecto puede incluir un script que extrae los datos más recientes de una base de datos y genera un conjunto de informes estándar; estos se pueden guardar con la fecha para agilizar esta tarea rutinaria de generación de informes.
Los usuarios veteranos de JMP quizá recuerden (y extrañen) la Ventana Maestra de la versión para Windows de JMP. Ahora, con este proyecto, pueden restaurar gran parte de esa funcionalidad.
Para los usuarios que generan muchas ventanas, ya sea de forma interactiva o mediante scripts, y sienten que se pierden en una sesión, el proyecto puede aliviar esta molestia. Cuando un usuario trabaja en varios proyectos a la vez, al cerrar un solo proyecto se cierran automáticamente todos los archivos y ventanas asociados, sin modificar los demás proyectos, eliminando así la necesidad de cerrar manualmente varias ventanas.
Para los usuarios que ya han desarrollado su propio esquema de organización de archivos para la salida y los archivos de JMP, los proyectos pueden proporcionar un marco o integrarse bien en una estructura de carpetas para usar JMP. Finalmente, quienes tienen archivos dispersos en el disco duro de su computadora pueden agregar archivos individuales a un proyecto para organizar una estructura en una carpeta desordenada.
Trabajando con el Proyecto
Introducir archivos en un proyecto
Primero, cree un nuevo proyecto (Archivo > Nuevo proyecto). Puede agregar archivos individualmente a un proyecto mediante la opción "Agregar archivos". Los archivos agregados al proyecto se agregan a la lista de marcadores. Al agregar archivos individualmente, puede ser útil crear un grupo local para el proyecto, que permite organizar mejor los marcadores. Cree un grupo ejecutando el comando "Nuevo grupo" y luego renombrándolo con un nombre descriptivo.
- Consejo profesional : Los grupos se pueden usar para configurar proyectos de plantilla y facilitar la puesta en marcha cuando se necesita un nuevo proyecto. Grupos como "Conjuntos de datos", "Scripts de referencia", "Consultas", "Scripts de gráficos", "Archivos de soporte" y "Salida" pueden ser un buen punto de partida para crear nuevos proyectos. Guarde el proyecto como "Proyecto de plantilla" y "Guardar como" cada vez que necesite un nuevo proyecto.
También se pueden agregar carpetas a un proyecto, lo cual resulta útil cuando ya se tienen archivos organizados en el disco. Simplemente agregue la carpeta y se guardará en los marcadores del proyecto. Las carpetas incluyen automáticamente todas las subcarpetas y se supervisan (es decir, cuando un archivo entra o sale de la carpeta, también se mueve dentro o fuera de los marcadores del proyecto). Esto significa que debe tener cuidado, ya que eliminar archivos de una carpeta supervisada por un proyecto puede interrumpir el script o el informe de un proyecto guardado. Las carpetas se actualizan automáticamente al cerrar y abrir un proyecto, y se pueden actualizar manualmente con un clic contextual > Actualizar.
En la lista de archivos de Marcadores, hay varios comandos contextuales útiles que permiten mostrar información como el nombre del archivo, la ruta, el tamaño, información sobre su creación, la fecha de última escritura y la fecha del último acceso, así como una casilla para copiar al archivo del proyecto (que se explica más adelante en la sección sobre el archivo). El comando "Mostrar en el Finder" muestra la ubicación del archivo en el sistema operativo. "Copiar ruta" permite obtener la ruta del archivo en el disco al portapapeles, lo cual resulta útil si se escribe un script que hace referencia a un archivo. Finalmente, la opción "Eliminar..." permite eliminar el marcador del proyecto (recomendado) o moverlo a la Papelera de reciclaje.
Los archivos también se pueden marcar automáticamente con la función de arrastrar y soltar. Desde el sistema operativo, se puede arrastrar un archivo a la lista de Marcadores y marcarlo automáticamente. Las carpetas se pueden marcar de la misma manera.
Si crea otra tabla de datos en un proyecto, puede guardarla y añadirla a marcadores directamente. Por ejemplo, si crea una tabla de resumen en Tablas > Resumen, puede arrastrarla y soltarla desde la Lista de ventanas a Marcadores.
Muchos usuarios querrán cambiar de un proyecto al modo multiventana, del modo multiventana a un proyecto (usando el proyecto solo para encapsular una sesión) o de un proyecto a otro (por ejemplo, cuando un solo proyecto de análisis se vuelve demasiado complejo). Para ello, utilice Ventana > Mover a/desde proyecto, como se muestra en la Figura 3.
Simplemente seleccione el proyecto de origen (o ninguno si desea mover elementos desde ventanas individuales) y el proyecto de destino (que puede ser ninguno, un proyecto nuevo o un proyecto abierto existente). Hay botones rápidos para mover y marcar todos los archivos, o puede seleccionar un subconjunto de tablas de datos e informes asociados del origen al destino.
Al hacer clic en una tabla de datos, se transfieren automáticamente las ventanas de informe abiertas en el proyecto actual. Si no desea conservarlas, simplemente cierre las pestañas o ventanas una vez finalizado el proceso. También puede añadir tablas de datos a marcadores directamente desde esta ventana. Tenga en cuenta que las tablas de datos deben estar guardadas en el disco para poder añadirlas a marcadores desde esta herramienta. Sin embargo, los archivos no guardados se pueden mover a un nuevo proyecto o a varias ventanas.
Al hacer clic en una línea individual de la tabla aparece una miniatura útil, que puede ayudar a decidir qué archivos y gráficos e informes asociados son necesarios para el traslado.
Figura 3. Ventana Mover a/desde proyecto.
Gestión del espacio de trabajo
Una vez agregados los archivos al proyecto, es momento de configurar gráficos e informes en una disposición en pestañas usando la sección del espacio de trabajo del proyecto, como se muestra en la Figura 1. De manera predeterminada, a medida que se crean nuevas ventanas en un proyecto, se agregan en pestañas que residen en una sola columna del espacio de trabajo.
Veamos un proyecto de ejemplo sencillo. Primero, cree un nuevo proyecto y guárdelo inmediatamente en el disco duro. A continuación, cree una carpeta llamada "proyecto de ejemplo" y guarde el archivo del proyecto en ella. De esta manera, se creará una única carpeta donde se pueden agregar todos los scripts, tablas de datos y materiales de apoyo. Voy a crear tres grupos en el proyecto: Tablas de datos, Scripts y Salida. Después, añadiré dos archivos al proyecto: "FHPI.jmp" y "StatesMetadata.jmp".
Usaremos el proyecto para escribir un script de automatización para desarrollar un flujo de trabajo analítico estándar de extremo a extremo que consta de procesamiento de datos a través de un script de consulta, limpieza de datos, visualización, modelado, curación de contenido y resultado final para comunicar los resultados.
Para empezar a desarrollar el script de automatización, también puedo instanciar la ayuda > índice de scripts por si necesito consultar algo. Al cargar el índice de scripts en el proyecto, se añade como una pestaña. Sería más útil si pudiera acoplarlo a la derecha de las tablas de datos y la salida. Para ello, simplemente despega la pestaña del índice de scripts. Las zonas de colocación del Constructor de Gráficos aparecen en el proyecto, lo que permite arrastrar y soltar para reconfigurar el espacio de trabajo del proyecto, como se muestra en la Figura 4.
Figura 4. Las zonas de colocación del espacio de trabajo del proyecto se iluminan al separar una pestaña de una lista de pestañas. Las zonas de colocación están anotadas para facilitar la configuración del espacio de trabajo del proyecto.
Las pestañas individuales se pueden maximizar o minimizar haciendo clic en el pequeño icono de pestaña en el título. Esto puede ser útil, por ejemplo, si desea centrarse en un informe de plataforma individual o si utiliza una plataforma, como Graph Builder, que se beneficia de un poco más de espacio dentro del proyecto. También puede utilizarse para presentaciones puntuales dentro del proyecto.
Al maximizar las pestañas, los marcadores y la lista de ventanas permanecen. Se pueden ocultar manualmente desde el menú Proyecto activando los comandos "Mostrar marcadores" y "Mostrar lista de ventanas". El registro del proyecto, oculto por defecto, también se puede mostrar desde este menú.
Si en algún momento reorganiza el diseño y no le gusta el resultado, existen comandos de deshacer y rehacer el diseño. También puede volver a la lista predeterminada de una sola pestaña restableciendo el diseño desde el menú Proyecto.
Se puede navegar por las pestañas dentro del espacio de trabajo haciendo clic en ellas (al pasar el cursor del mouse sobre ellas se produce una miniatura), haciendo doble clic dentro de la lista de la ventana o usando las flechas izquierda y derecha para desplazarse por las pestañas.
Guardar y archivar proyectos
Continuando con nuestro proyecto de análisis, usaremos el Generador de Consultas para unir nuestras dos tablas y crear una tercera, que se leerá para modelado y visualización. El script del Generador de Consultas se puede generar y guardar en la carpeta del proyecto. Lo añadiré al proyecto y lo arrastraré y soltaré en el grupo de scripts.
Esto se muestra en la Figura 5. Los scripts, consultas, aplicaciones o paneles se pueden ejecutar directamente mediante el menú contextual, lo que le ahorra el clic de abrirlos en el proyecto y luego ejecutarlos. Esto también ayuda a mantener el proyecto limpio, ya que no habrá ninguna pestaña abierta para un script de "producción" que no se esté editando activamente.
Figura 5. Ejecución de un script directamente mediante clic derecho sin abrirlo en una pestaña.
Al ejecutar el script, se genera una tercera tabla de datos, con las dos tablas unidas correctamente. La pestaña "Unir Tablas" tiene un * junto al nombre, lo que indica que este archivo aún no se ha guardado en el disco. Si intento guardar el proyecto desde Archivo > Guardar Proyecto, aparece el siguiente mensaje de advertencia, que se muestra en la Figura 6.
Figura 6. Documentos no guardados en un mensaje de advertencia del proyecto.
En este punto, debe decidir qué hacer, ya que todos los archivos deben guardarse o cerrarse antes de poder guardar un proyecto. Al hacer clic en "Guardar todo", se le solicitará que guarde primero todos los archivos no guardados en el disco y luego se guardará el proyecto. Hay una casilla de verificación, desactivada por defecto, que permite guardar automáticamente los documentos previamente guardados (solo con los cambios no guardados) al guardar el proyecto. Use esta configuración con cuidado, especialmente al comenzar a usar proyectos, ya que podría realizar cambios temporales en una tabla de datos que desee descartar (agregar columnas, eliminar columnas, modificar celdas, etc.).
La opción Cerrar todo cerrará todos los documentos no guardados, pero evitará tener que guardar cada documento individualmente. Esto puede ser útil si tiene un script que genera muchos resultados, pero no desea guardarlo necesariamente.
También puedes guardar documentos no guardados manualmente, sabiendo que tan pronto como desaparezcan todos los * en la lista de pestañas, podrás guardar un proyecto con un solo clic.
El proyecto guarda gráficos y otros resultados de la plataforma de una forma ligeramente diferente. Dado que el proyecto aprovecha la funcionalidad de scripts de sesión de JMP, los gráficos y los resultados de la plataforma se conservan automáticamente al guardar y cerrar, sin necesidad de guardar los scripts en la tabla de datos, en los diarios ni guardar los informes como archivos .jrp. Esto resulta especialmente útil para nuevos usuarios que desean guardar el estado de sus proyectos de análisis sin necesidad de aprender JSL.
Reproducción de guiones de proyectos
Los archivos .jsl, .jmpquery y .jmpapp/.jmpappsource marcados se pueden ejecutar directamente desde la lista de marcadores (igual que la ventana de inicio de JMP). Al hacer clic derecho en cualquiera de estos archivos, se muestran opciones ampliadas para gestionarlos, como se muestra en la Figura 7.
Figura 7. Menú contextual para los tipos de archivos JMP más populares en un proyecto.
Estas opciones del menú contextual permiten crear rápidamente una aplicación, ejecutar un script o ejecutar una consulta directamente sin tener que abrir AppBuilder/Dashboard Builder, Query Build ni el editor de scripts JSL. El elemento se ejecutará y los resultados se abrirán automáticamente en una nueva pestaña del proyecto, ahorrando así un clic. Además, el Query Builder cuenta con la opción "Ejecutar al abrir" (mostrada en la Figura 7). Esta consulta, al hacer doble clic, se ejecutará automáticamente sin abrir el Query Builder.
Paneles de control e informes web
Los paneles e informes web son formas comunes de compartir y comunicar los resultados de un análisis de JMP. Ambas funciones son compatibles con el proyecto JMP. Seleccionar Archivo > Nuevo panel abrirá la interfaz del Generador de paneles, donde podrá ver todos los informes disponibles en el proyecto. Puede organizar los informes, añadir filtros, texto y otros elementos. Tras hacer clic en "Ejecutar panel" en el menú triangular rojo, el panel resultante se mostrará en una nueva pestaña del proyecto (véase la Figura 8).
Figura 8. Resultados de la ejecución de un panel creado con el Generador de Paneles dentro de un proyecto. El panel resultante se creará en una nueva pestaña del proyecto.
Los informes web son similares (Archivo > Publicar). La función "Crear informe web" mostrará automáticamente todas las pestañas disponibles de un proyecto como gráficos para generar un informe web. Por lo tanto, el informe web puede ser una buena manera de compartir el flujo de trabajo de un proyecto con alguien que no tenga JMP actualmente.
Estudio de caso 1: Proyecto del DOE
Empleandoproyectoscomo parte dedDiseño deeexperimentos (DOE) dentro del JMP puede ayudar a comunicar resultados,así como ayudar en el trabajo de los propios experimentos.
Usando DOE en JMP significa:
- Corriendo el DOPlataforma electrónica para crear el esquema de recolección de datos.
- Usando la tabla JMPcomo base pararecopilación de datos.
- Explotar varias plataformas gráficas JMP para visualizar los resultados de las ejecuciones del experimento.
- Utilizando el modo JMPplataformas de análisis para construir un modelo predictivo basado en los datos recopilados y como parte del modeloejercicio de ing,Visualizar varios gráficos de diagnóstico para garantizar que se haya desarrollado un modelo razonable.
- Elaborar gráficos y tablas para comunicar los resultados del DOE con la intencióndepromoverenacción de una organización.
El procedimiento genérico detalladoarriba en Spaso 1-5a menudoresultadosenmuchosventanas y tablas en JMP.También puede ser cierto que el proceso puede llevar meses.moversedeSpaso 1 aSpaso 5,lo que significa que el usuario de JMP tiene que guardar los resultados importantes en su sistema de archivos, recordar dónde se guardan y realizar un seguimiento de todo el proceso.
Este estudio de caso utilizará un experimento simple que cualquiera puede ejecutar para mostrar cómopLos proyectos pueden ayudar con DOE mediante la gestión de ventanas, el seguimiento de resultados y la comunicación de conclusiones.
Quiero realizar un experimento sencillo para mostrar cómo funciona JMPEl Diseñador personalizado se puede utilizar pararealizar experimentos con restricciones ena variable, comoenergía total en este caso.
El objetivo de este experimento es encontrar una buena configuración en mi microondas de casa para cocinar palomitas de maíz.Tengo tres variables bajo mi control:
- Tiempo (tiempo en mm:ss que puedo configurar para el tiempo de cocción).
- Poder (un opacoLNivel 1-10, no estoy seguro de qué significa esto para la temperatura).
- Marca (hay muchas marcas en el mercado);He elegido elligeramente disfrazadomarcas conocidasWilburyUltrasecreto).
Según las instrucciones de las cajas de palomitas de maíz.,Decidí variar el tiempo detresacincominutos y el poder deLnivel 5 aLnivel 10.Luego me propuse verificar los rincones del espacio de diseño, es decir, tiempo corto y bajo consumo, y también tiempo largo y alto consumo.Estas esquinas representan la energía total máxima y mínima de mis niveles elegidos.(Figura 9).
Figura 9 : Las imágenes izquierda y derecha de arriba muestran las esquinas del espacio de diseño.
De mis primeros resultados se desprende claramente que los rincones del espacio no son viables.Entonces necesitaré usar el Diseñador personalizado JMP para crear un espacio de diseño restringido.Quiero usar Proyectos JMP, así que primero abroedUn nuevo proyecto y llámalo “Mi experimento de palomitas de maíz”como se muestra enFFigura 10.
Figura 10: Captura de pantalla de un proyecto vacío al inicio del proceso de flujo de trabajo del DOE.
Luego lancé el Diseñador personalizado dentro del proyecto y configuré mis respuestas y factores como se muestra en la Figura 11.
Figura 11: Lanzamiento de Custom Design para configurar las ejecuciones experimentales.
Ahora es el momento de elegir mi modelo (RSM) y establecer las restricciones de energía total (Tiempo + Nivel de Potencia). Para establecer restricciones lineales en los factores, simplemente configure las restricciones como se muestra en la Figura 12.
Figura 12: Configuración de las restricciones experimentales y adición de los efectos que quiero poder modelar para determinar la cantidad de ejecuciones necesarias.
Seleccioné "Crear Diseño", lo que resultó en que JMP mostrara un diseño candidato. La Figura 13 muestra el diseño que utilicé con formatos de tiempo y nivel de potencia que coinciden con los que puedo configurar en mi microondas.
Figura 13: Tabla de ejecución experimental.
A continuación, preparé 16 cajas de palomitas de maíz. Utilizando una taza medidora como herramienta de muestreo, seleccioné una taza representativa de cada serie y conté el total de granos y el número de granos reventados. Los datos se muestran en la Figura 14.
Figura 14: Resultados del experimento.
Analicé algunos gráficos y construí una regresión generalizada con la cantidad de palomitas preparadas como respuesta binomial. Un mapa de calor de Tiempo vs. Potencia por marca, con la relación entre las palomitas preparadas y el total coloreado de bajo (azul) a alto (rojo), muestra que las combinaciones de medio a alto nivel de potencia y tiempo ofrecen mejores resultados. Un perfilador del modelo de regresión comunica mejor los resultados, con la conclusión adicional de que las palomitas de maíz de la marca Wilbur son más robustas a la energía total. Las figuras 15 y 16 muestran estos resultados.
Figura 15. Mapa de calor de Tiempo vs. Energía por marca con la relación entre lo extraído y el total coloreado de bajo (azul) a alto (rojo).
Figura 16: Perfilador que muestra el modelo final y los efectos del cambio de marca, tiempo y factores de potencia en la respuesta.
Finalmente escribí un documento de Conclusión simple agregando dos gráficos como PDF desde JMP; agregué este documento de conclusión al proyecto seleccionando el botón Agregar archivos en la parte superior izquierda de la ventana de mi proyecto como se muestra en la Figura 17.
Figura 17. Conclusión simple marcada para compartir los resultados de este experimento.
Ahora tengo un archivo de proyecto que contiene la configuración de mi diseño, los datos, el modelo y los gráficos de apoyo, así como el documento de conclusiones. Este archivo es la base de mi memoria de este experimento. También sirve como memoria corporativa si guardo el proyecto y los archivos de apoyo en una ubicación accesible para los miembros de mi equipo, tanto ahora como en el futuro.
Caso práctico 2: Proyecto de modelado predictivo
Utilizaremos el proyecto para ayudarnos a construir un modelo que prediga la calidad del vino a partir de un conjunto de propiedades fisicoquímicas (véase Cortez et al., 2009). El conjunto de datos está disponible para su descarga desde el Repositorio de Aprendizaje Automático de la UCI (Lichman, 2013). Podemos usar el proyecto para gestionar el proceso de importación de datos mediante la Importación Múltiple de Archivos, la exploración y limpieza de la tabla de datos importados resultante, la creación de gráficos, la creación de varios modelos candidatos mediante diversas técnicas de aprendizaje automático en JMP Pro, la comparación de modelos, la selección del modelo a utilizar y, finalmente, la generación de código de puntuación para facilitar la puesta en producción de este modelado. Seguiremos el flujo de trabajo analítico completo en JMP (véase la Figura 18) para demostrar cómo el proyecto facilita el proceso de forma natural.
Figura 18. Flujo de trabajo analítico de extremo a extremo en JMP.
Los datos históricos se pueden descargar directamente desde el sitio web de Aprendizaje Automático de la UCI: http://archive.ics.uci.edu/ml/datasets/Wine+Quality . Hay tres archivos para descargar: winequality-red.csv, winequality-white.csv y winequality.names. El primer paso para crear un proyecto es ir a Archivo > Nuevo Proyecto en JMP y crear una carpeta en el escritorio llamada "Proyecto de Modelado de Vino". Guardaré los tres archivos de texto en esta carpeta.
Guardaré el archivo del proyecto en la carpeta del proyecto de calidad del vino y luego crearé varios grupos para ayudarme a organizar mis marcadores: 01-Datos sin procesar, 02-Tablas de datos JMP, 03-Scripts, 04-Código de puntuación, 05-Salida.
Marcaré los tres archivos de datos sin procesar arrastrándolos y soltándolos desde el buscador a la carpeta de datos sin procesar.
A continuación, quiero incluir los archivos en una tabla de datos JMP. Usaré la Importación de Múltiples Archivos para abrir automáticamente ambos archivos CSV y concatenarlos sin necesidad de escribir un script ni usar el menú de tablas (Archivo -> Abrir Múltiples…). Para abrir solo los archivos .csv, seleccionaré la extensión .csv y mantendré activada la opción para archivos similares. Marcaré la opción "Añadir Columna de Nombre de Archivo" para mantener las muestras de vino tinto y las de vino blanco. Guardaré el script en la ventana de scripts y en el proyecto, de modo que, si llegan nuevos datos y quiero regenerar la tabla de datos JMP, pueda hacerlo directamente sin tener que volver a pasar por el cuadro de diálogo de la Importación de Múltiples Archivos (Figura 19). Guardaré el script para más tarde arrastrándolo desde la lista de la ventana a marcadores y luego lo cerraré.
Figura 19. Configuración de importación de archivos múltiples.
Ahora que mis conjuntos de datos están abiertos en una única tabla de datos JMP, guardaré el archivo y lo guardaré en mis marcadores del proyecto. Puedo usar Recode para agregar una columna (Color) que muestre la categoría del vino en esa muestra. El objetivo de este ejercicio de modelado es utilizar el método relativamente económico de medir las propiedades fisicoquímicas (como el azúcar residual, el alcohol o los sulfitos) para predecir las catas profesionales del vino, que son relativamente caras de recopilar. Afortunadamente, disponemos de los datos históricos, que contienen ambas propiedades, y podemos usar buenas técnicas de validación cruzada para construir un modelo a partir de estos datos históricos, que podría funcionar bien con datos nuevos donde solo disponemos de las propiedades fisicoquímicas. La Figura 20 muestra una matriz de distribución con vinos de alta calidad seleccionados. En la distribución de las otras medidas, podemos observar que puede haber cierta separación en algunos valores para segmentar estos vinos con alta puntuación (es decir, los vinos con mayor puntuación parecen tener menor azúcar residual y mayor graduación alcohólica). Probaremos esta hipótesis mediante la construcción de varios modelos.
Al realizar un análisis multivariado y observar el mapa de colores de las correlaciones, también podemos ver que muchas de las medidas están altamente correlacionadas entre sí, lo que resultará un desafío para las técnicas de modelado estándar como la regresión escalonada o los mínimos cuadrados.
Figura 20. Matriz de distribución de las propiedades fisicoquímicas, el color y las puntuaciones de calidad. Se seleccionaron los vinos con mejor puntuación. El mapa de colores de las correlaciones de las propiedades fisicoquímicas se muestra a la derecha.
Para evaluar el rendimiento del modelo y que nuestras diversas técnicas de modelado tengan la misma probabilidad de predecir la calidad del vino, utilizaremos la validación cruzada para una evaluación honesta del rendimiento del modelo. Básicamente, dividiremos los datos disponibles en tres conjuntos: entrenamiento (utilizado para construir los modelos), validación (utilizada para ajustar los modelos y equilibrar la complejidad y la parsimonia con el rendimiento) y, finalmente, prueba (un subconjunto de los datos que no se utiliza en el modelado, sino que solo se utiliza para simular los nuevos datos y, por lo tanto, para evaluar la capacidad del modelo para funcionar con nuevos datos).
Para crear la columna de validación, usaré la utilidad "Crear columna de validación" en Analizar > Modelado predictivo. Seleccionaré la opción "Aleatorio estratificado" y luego haré clic en la columna "Color del vino" para asegurarme de tener proporciones iguales de muestras en los grupos de entrenamiento, validación y prueba, tanto para vinos tintos como para blancos. Voy a crear una muestra del 70%/20%/10% de los grupos de entrenamiento, validación y prueba.
Vamos a crear varios modelos candidatos y luego publicarlos en el Depósito de Fórmulas. El Depósito de Fórmulas se integra perfectamente en un proyecto. Lo abriré (Analizar > Modelado Predictivo) y luego lo anclaré en su propia columna a la derecha del proyecto.
Ahora construiremos un árbol potenciado, un bosque bootstrap, una red neuronal y varios modelos de regresión generalizados. A medida que construya los modelos individuales, publicaré los resultados en el Depósito de Fórmulas.
Figura 21. Proyecto final de modelado predictivo.
Parece que Bootstrap Forest es el modelo que mejor se ajusta a los datos de prueba. Bootstrap Forest ha capturado correctamente la forma del modelo subyacente. La Figura 21 muestra cómo podría configurar el proyecto para ver todos los modelos que he creado en una lista de pestañas, con la colección de modelos en un Depósito de Fórmulas acoplado a la derecha del espacio de trabajo y una comparación de modelos directamente debajo de la salida del modelo para examinar la importancia de las variables y un perfilador para los distintos modelos candidatos.
La función principal de Bootstrap Forest es capturar el hecho de que aumentar el alcohol del vino aumenta su calidad hasta cierto punto, como se muestra en la Figura 22. Esta figura muestra la configuración necesaria para producir el vino de mayor calidad, según los datos históricos. Podemos compartir estos resultados de dos maneras: guardando el código de puntuación del modelo desde Formula Depot en diversos lenguajes (como SAS, Python, C, JavaScript o SQL) y también en PPT o HTML.
Figura 22. Modelo Bootstrap Forest que predice la calidad del vino.
Este informe interactivo se puede compartir con otros usuarios que no tengan JMP. El generador de perfiles permanece interactivo en la web, por lo que los valores se pueden ajustar de forma interactiva para ver el impacto en la calidad del vino. Tanto el código de puntuación del modelo como el informe HTML5 interactivo también se pueden guardar en marcadores del proyecto.
Referencias
- Cortez, A. Cerdeira, F. Almeida, T. Matos y J. Reis. Modelado de preferencias de vino mediante minería de datos a partir de propiedades fisicoquímicas.
En Sistemas de apoyo a la toma de decisiones, Elsevier, 47(4):547-553, 2009.
- Lichman, M. (2013). Repositorio de aprendizaje automático de la UCI [ http://archive.ics.uci.edu/ml ]. Irvine, CA: Universidad de California, Facultad de Información y Ciencias de la Computación.
