Scagnostics，散點圖診斷 ，由約翰和保羅圖基發現，後來由利蘭威爾金森推廣圖形理論的Scagnostics （2005年）。這些分析被重新定義高維可視化分析：以點分佈的成對視角為指導的交互式探索 （2006年）。
scagnostics的美妙之處在於可視化地探索數據集。 JMP 具有稱為Scatterplot Matrix（SPLOM）的固有特性，它允許用戶同時比較多對變量之間的關係。
但是，當變量數量過大時，SPLOM會失去效力。圖1顯示了SPLOM報告的一部分。
圖1。果蠅衰老數據的SPLOM
讓我們探討果蠅衰老數據（在JMP樣本數據中），它有48個觀察值和100個數值變量。請注意圖1中此數據集中的大量變量。這可能是壓倒性的，我們目視觀察數據的能力是有缺陷的。在圖1中，僅顯示了實際SPLOM的約15％。在數據集每天都在增長的世界中，我們需要能夠從變量之間的關係中提取有意義的信息。這就是scagnostics的用武之地！Scagnostics評估散點圖的五個方面： 離群 ，形狀 ，趨勢 ，密度和相干性 。
今年夏天，我寫了一個JMP加載項（你可以從文件交換中心下載如果你有一個免費的SAS配置文件），它允許你使用九個圖形理論測量來交互式地探索數據。該加載項結合了JMP的三個當前功能：分發，散點圖矩陣和圖形生成器。散點圖中的每個點代表2D散點圖。當您在左下角的散點圖矩陣中選擇一個點時，Graph Builder會在右下角顯示兩個變量的相應散點圖。
例如，圖2中的SPLOM中已經選擇了一個點。相應的變量是log2in_Tsp42Ej和log2in_CG6372。對於這對變量，有兩個可辨別的數據集群。這在高Clumpy值中被注意到。
圖2。果蠅衰老數據的Scagnostics - Clumpy例子
下面的圖3向我們展示瞭如果我們選擇具有高單調值的點，我們可以觀察到變量log2in_alpha_Cat和log2in_CG3430der之間的明確關聯和強線性關係。
圖3。果蠅衰老數據的Scagnostics - 單調示例
Scagnostics的另一個關鍵方面是異常值檢測 。查看下面圖4中的Graph Builder圖。當我們檢查兩個變量log2in_CG18178和log2in_BcDNA_GH04120時，我們看到兩個數據點在視覺上看起來是異常值。具有顯著偏離值的結果以及相對較高的偏差值支持這一變量總體上具有主要異常值的概念。
圖4。果蠅衰老數據的Scagnostics - 邊遠示例
當我們將圖1中的原始SPLOM報告與圖2,3和4中的遞歸SPLOM和Graph Builder報告進行比較時，我們發現了更多信息和啟發性分析。
現在是時候下載了 Scagnostics加載項並開始自己的探索！
約翰瓦斯中寫道：
好工作亞當。只有6個變量需要30秒，但圖形構建器在我的簡化基因組學數據集中顯示了2個基因之間的良好關係。分裂和發現直方圖也揭示了其他關係。您的加載項很容易下載並集成到JMP中。
