Di volta in volta, l'aggiunta di nuove funzionalità richiede una revisione di come sono organizzate e presentate le funzionalità JMP . Si trovano dove ha più senso e dove gli utenti si aspetterebbero di trovarli? Ad esempio, in JMP 12 c'era abbastanza materiale nuovo combinato con funzionalità esistenti per garantire un sottomenu Consumer Research nel menu Analizza.
In JMP 13, gli utenti vedranno anche alcune modifiche al menu Analizza:
- Il vecchio sottomenu Modeling è stato sostituito da due nuovi sottomenu: Predictive Modeling e Specialized Modeling.
- È stato aggiunto un sottomenu Clustering in modo da poter trovare rapidamente la tecnica di clustering preferita.
Puoi facilmente trovare la piattaforma Fit Curve in Specialized Modeling in JMP 13.
Il sottomenu Predictive Modeling è la nuova casa per una varietà di piattaforme di modellazione che enfatizzano la previsione, come Neural, Partition, Random Forest e K-Nearest Neighbours. Il menu Specialized Modeling è dove troverai piattaforme come Fit Curve, Nonlinear e Time Series.
Clay Barker, sviluppatore senior di statistica di ricerca, che ha scritto le piattaforme Fit Curve e Normal Mixture, è stato felice di vedere queste piattaforme trovare una casa nei menu riorganizzati. "Erano sepolti all'interno di altre piattaforme (Fit Curve all'interno di miscele non lineari e normali all'interno di k-Means), il che le rendeva più difficili da trovare. Ora avranno più visibilità e, si spera, più persone inizieranno a usarli ", afferma Clay.
Il nuovo sottomenu Clustering include le normali miscele e le variabili cluster tra le altre piattaforme.
Il nuovo sottomenu Clustering contiene anche una nuova piattaforma: Latent Class Analysis o LCA in breve. L'aggiunta della LCA generalizzata per il clustering categoriale non si adattava ai metodi di clustering a risposta continua già esistenti. Questo è stato anche il caso della nuova implementazione specializzata di LCA per analisi del testo in JMP Pro. Alcuni degli output per il nuovo clustering LCA includono grafici MDS (Multidimensional Scaling) e grafici "share".
Il grafico Scaling multidimensionale consente di visualizzare la distanza tra i cluster.
Sebbene JMP includesse una serie di buoni metodi di clustering, erano difficili da trovare soprattutto se non sapevi dove cercare, quindi molti utenti non ne sapevano nulla. Alcuni, come il clustering della miscela normale o clustering variabile, erano "personalità della piattaforma" o in un elenco di menu del triangolo rosso. Il nuovo sottomenu Cluster raggruppa insieme i metodi di clustering nuovi ed esistenti.
I nuovi grafici di condivisione nel report LCA mostrano le probabilità condizionali date l'appartenenza al cluster per ciascun cluster e ogni Y, tracciato come un grafico a barre in pila orizzontale.
L'aggiunta di LCA consentirà agli utenti di fare di più con i loro dati di testo. Chris Gotwalt, direttore della ricerca e sviluppo statistica di JMP, ha apprezzato il lavoro sulla LCA con matrice sparsa, poiché non aveva mai fatto nulla di simile all'applicazione di metodi sparsi a un algoritmo di clustering.
"La risposta finora è stata positiva sia per le nuove funzionalità che per i nuovi visual. Si spera che gli altri metodi di cluster presenti nel sottomenu portino a un uso maggiore ", afferma Chris.
Sia Clay che Chris saranno in testa tutorial a Discovery Summit 2016 e non è troppo tardi per iscriversi a queste sessioni speciali. Inoltre, presenteranno un documento intitolato "Visually Exploring Design of Experiments Models with the Generalised Regression Platform" alla conferenza.
Per saperne di più su cosa succederà in JMP 13, visita il pagina di anteprima sul nostro sito
