Scagnostics, diagnostics du diagramme de dispersion , a été découvert par John et Paul Tukey et plus tard popularisé par Leland Wilkinson dans Scagnostics de graphes théoriques (2005). Ces analyses ont été redéfinies dans Analyse visuelle en haute dimension: exploration interactive guidée par des vues paires de distributions de points (2006).
La beauté du scagnostic réside dans sa capacité à explorer visuellement un ensemble de données. JMP possède la fonction inhérente appelée matrice de dispersion (SPLOM), qui permet à l’utilisateur de comparer simultanément la relation entre plusieurs paires de variables.
Cependant, les SPLOM perdent leur efficacité lorsque le nombre de variables devient trop important. La figure 1 montre une partie du rapport SPLOM.
Figure 1. SPLOM pour le vieillissement de la drosophile
Explorons les données sur le vieillissement de la drosophile (dans JMP Sample Data), qui compte 48 observations et 100 variables numériques. Notez à la figure 1 le nombre substantiel de variables dans cet ensemble de données. Cela peut être accablant et notre capacité à observer visuellement les données est défectueuse. La figure 1 ne montre que 15% environ du SPLOM réel. Dans un monde où les ensembles de données grandissent chaque jour, nous devons être en mesure d'extraire des informations utiles des relations entre nos variables. C'est là qu'intervient le scagnostic! Le scagnostique évalue cinq aspects des diagrammes de dispersion: valeurs aberrantes , forme , tendance , densité et la cohérence .
Cet été, j’ai écrit un complément JMP (que vous pouvez utiliser télécharger à partir de l'échange de fichiers si vous avez un profil SAS gratuit) qui vous permet d’explorer de manière interactive des données à l’aide de neuf mesures basées sur la théorie des graphes. Le complément combine les trois fonctionnalités actuelles de JMP: Distribution, Matrice de nuages de points et Générateur de graphes. Chaque point du diagramme de dispersion représente un diagramme de dispersion 2D. Lorsque vous sélectionnez un point dans la matrice du diagramme de dispersion en bas à gauche, Graph Builder affiche le diagramme de dispersion correspondant aux deux variables en bas à droite.
Par exemple, un point a déjà été sélectionné dans le SPLOM de la figure 2. Les variables correspondantes sont log2in_Tsp42Ej et log2in_CG6372. Pour cette paire de variables, il existe deux groupes de données discernables. Ceci est noté dans une valeur Clumpy élevée.
Figure 2. Scagnostics Pour Les Données De Vieillissement De La Drosophile - Exemple Clumpy
La figure 3 ci-dessous nous montre que si nous sélectionnons un point avec une valeur monotone élevée, nous pouvons observer une association claire et une relation linéaire forte entre les variables, log2in_alpha_Cat et log2in_CG3430der.
Figure 3. Scagnostics Pour Les Données De Vieillissement De La Drosophile - Exemple Monotonique
Un autre aspect clé de Scagnostics est détection des valeurs aberrantes . Examinez le graphique Graph Builder dans la figure 4 ci-dessous. Lorsque nous inspectons les deux variables log2in_CG18178 et log2in_BcDNA_GH04120, nous voyons deux points de données qui apparaissent visuellement être des valeurs aberrantes. Des résultats avec une valeur aberrante substantielle, ainsi qu'une valeur asymétrique relativement élevée, corroborent la notion selon laquelle cette paire de variables présente globalement des valeurs aberrantes majeures.
Figure 4. Scagnostics Pour Les Données De Vieillissement Chez La Drosophile - Exemple Décalé
En comparant le rapport SPLOM original de la figure 1 aux rapports récursifs SPLOM et Graph Builder des figures 2, 3 et 4, nous découvrons des analyses beaucoup plus instructives et éclairantes.
Il est maintenant temps de télécharger le Complément Scagnostics et commencez votre propre exploration!
John Wass a écrit:
Bon travail Adam. Cela a pris 30 secondes pour seulement 6 variables, mais le constructeur du graphe a montré une bonne relation entre 2 gènes dans mon jeu de données de génomique réduite. Les histogrammes splom et discovery apportent également un peu de lumière sur les autres relations. Votre complément a été facilement téléchargé et intégré à JMP.
