때때로 새로운 기능을 추가하려면 기능이 어떻게 구성되고 표시되는지 검토해야합니다. JMP . 그들은 가장 이해하기 쉬운 위치에 있으며 사용자가 어디에서 찾을 수있을 것으로 예상합니까? 예를 들어, JMP 12에는 Analyze 메뉴의 Consumer Research 하위 메뉴를 보증 할 수있는 기존 기능과 결합 된 새로운 자료가 충분했습니다.
JMP 13에서는 분석 메뉴에 몇 가지 변경 사항이 표시됩니다.
- 이전 Modeling 하위 메뉴는 Predictive Modeling 및 Specialized Modeling의 두 가지 새로운 하위 메뉴로 대체되었습니다.
- 클러스터링 하위 메뉴가 추가되어 원하는 클러스터링 기술을 빠르게 찾을 수 있습니다.
JMP 13의 Specialized Modeling에서 Fit Curve 플랫폼을 쉽게 찾을 수 있습니다.
Predictive Modeling 서브 메뉴는 신경, 파티션, 랜덤 포레스트, K-Nearest Neighbors와 같은 예측을 강조하는 다양한 모델링 플랫폼의 새로운 홈입니다. Specialized Modeling 메뉴는 Fit Curve, Nonlinear, Time Series와 같은 플랫폼을 찾을 수있는 곳입니다.
Fit Curve 및 Normal Mixture 플랫폼을 작성한 수석 연구원 통계학자인 Clay Barker는 이러한 플랫폼이 재구성 된 메뉴에서 고향을 발견하게되어 기뻤습니다. "그들은 다른 플랫폼 (k-Means의 비선형 및 표준 혼합기 내부의 곡선에 맞추기)에 묻혀 있었기 때문에 더 쉽게 찾을 수있었습니다. 이제 그들은 더 많은 노출을 얻게 될 것이고, 더 많은 사람들이 그것들을 사용하기 시작할 것 "이라고 Clay는 말한다.
새로운 클러스터링 하위 메뉴에는 다른 플랫폼과의 일반 혼합 및 클러스터 변수가 포함됩니다.
새로운 클러스터링 하위 메뉴에는 잠정 클래스 분석 또는 LCA라는 새로운 플랫폼이 포함되어 있습니다. 범주 형 클러스터링을위한 일반화 된 LCA의 추가는 이미 존재하는 연속 응답 클러스터링 방법과 맞지 않습니다. 이것은 새로운 전문화 된 구현의 경우이기도합니다. 텍스트 분석을위한 LCA JMP Pro에서. 새로운 LCA 클러스터링을위한 출력에는 다차원 스케일링 (MDS) 플롯 및 "공유"차트가 포함됩니다.
다차원 스케일링 플롯을 사용하면 클러스터 간의 거리를 볼 수 있습니다.
JMP에는 여러 가지 훌륭한 클러스터링 방법이 포함되어 있지만, 어디에서 볼지 모를 경우 찾기가 어려웠으므로 많은 사용자가 알지 못했습니다. Normal Mixture 클러스터링 또는 Variable Clustering과 같은 일부는 "플랫폼 개성"또는 적색 삼각형 메뉴 목록에 있습니다. 새로운 클러스터링 하위 메뉴는 새로운 클러스터링 방법과 기존 클러스터링 방법을 함께 그룹화합니다.
LCA 보고서의 새로운 공유 차트는 각 클러스터 및 각 Y에 대한 클러스터 멤버쉽에 주어진 조건부 확률이 수평 스택 막대 차트로 그려져 있음을 보여줍니다.
LCA를 추가하면 사용자가 텍스트 데이터로 더 많은 작업을 수행 할 수 있습니다. JMP의 통계 연구 개발 담당 이사 인 Chris Gotwalt는 스파 스 매트릭스 (sparse-matrix) LCA에 대한 작업을 즐겼습니다. 클러스터링 알고리즘에 스파 스 (sparse) 메소드를 적용한 적이 없었기 때문입니다.
"지금까지의 응답은 새로운 기능과 새로운 기능에 긍정적이었습니다. 하위 메뉴에 다른 클러스터링 방법을 더 두드러지게 표시하면 더 많은 용도로 사용될 수 있습니다. "라고 Chris는 말합니다.
Clay와 Chris 모두 선두 자습서 ...에서 디스커버리 서밋 2016 , 그리고이 특별 세션에 가입하기에는 너무 늦지 않았습니다. 또한 컨퍼런스에서 "일반화 된 회귀 플랫폼으로 실험 모델의 시각적 디자인 탐구"라는 제목의 논문을 발표 할 예정입니다.
JMP 13에 대한 자세한 내용을 보려면 다음 웹 사이트를 방문하십시오. 미리보기 페이지 우리 웹 사이트에서.
