Scagnostics, Scatterplot-Diagnose wurde von John und Paul Tukey entdeckt und später von Leland Wilkinson in London popularisiert Graphentheoretische Scagnostik (2005). Diese Analysen wurden in neu definiert Hochdimensionale visuelle Analytik: Interaktive Erkundung durch paarweise Ansichten von Punktverteilungen (2006).
Das Schöne an Scagnostics ist die Fähigkeit, einen Datensatz visuell zu untersuchen. JMP hat die inhärente Funktion namens Scatterplot Matrix (SPLOM), mit der der Benutzer gleichzeitig die Beziehung zwischen vielen Variablenpaaren vergleichen kann.
SPLOMs verlieren jedoch ihre Wirksamkeit, wenn die Anzahl der Variablen zu groß wird. Abbildung 1 zeigt einen Teil des SPLOM-Berichts.
Abbildung 1. SPLOM für Drosophila-Alterungsdaten
Untersuchen wir die Drosophila-Alterungsdaten (in JMP-Beispieldaten) mit 48 Beobachtungen und 100 numerischen Variablen. Beachten Sie in Abbildung 1 die beträchtliche Anzahl von Variablen in diesem Datensatz. Dies kann überwältigend sein und unsere Fähigkeit, die Daten visuell zu beobachten, ist fehlerhaft. In Abbildung 1 sind nur etwa 15 Prozent des tatsächlichen SPLOM dargestellt. In einer Welt, in der Datensätze täglich wachsen, müssen wir in der Lage sein, aussagekräftige Informationen aus den Beziehungen zwischen unseren Variablen zu extrahieren. Hier kommt die Diagnose ins Spiel! Scagnostics bewertet fünf Aspekte von Streudiagrammen: Ausreißer . gestalten . Trend . Dichte und Kohärenz .
In diesem Sommer habe ich ein JMP-Add-In geschrieben (was Sie können) Download vom Dateiaustausch Wenn Sie über ein freies SAS-Profil verfügen, können Sie Daten interaktiv mit neun graphentheoretischen Kennzahlen untersuchen. Das Add-In kombiniert drei aktuelle Funktionen von JMP: Distribution, Scatterplot Matrix und Graph Builder. Jeder Punkt im Streudiagramm repräsentiert ein 2D-Streudiagramm. Wenn Sie einen Punkt in der Streudiagramm-Matrix unten links auswählen, zeigt der Graph Builder das entsprechende Streudiagramm für die beiden Variablen unten rechts an.
Als Beispiel wurde bereits ein Punkt im SPLOM in Abbildung 2 ausgewählt. Die entsprechenden Variablen sind log2in_Tsp42Ej und log2in_CG6372. Für dieses Variablenpaar gibt es zwei erkennbare Datencluster. Dies wird in einem hohen Clumpy-Wert festgestellt.
Figur 2. Scagnostics für Drosophila-Alterungsdaten - ein klumpiges Beispiel
Abbildung 3 zeigt uns, dass wir, wenn wir einen Punkt mit einem hohen monotonen Wert auswählen, eine eindeutige Zuordnung und eine starke lineare Beziehung zwischen den Variablen log2in_alpha_Cat und log2in_CG3430der beobachten können.
Figur 3. Scagnostics für Drosophila-Alterungsdaten - monotones Beispiel
Ein weiterer wichtiger Aspekt von Scagnostics ist Ausreißererkennung . Überprüfen Sie das Diagramm des Diagramm-Generators in Abbildung 4 unten. Wenn wir die beiden Variablen log2in_CG18178 und log2in_BcDNA_GH04120 untersuchen, sehen wir zwei Datenpunkte, die visuell als Ausreißer erscheinen. Ergebnisse mit einem erheblichen Außenwert sowie einem relativ hohen Zeitversatz unterstützen die Annahme, dass dieses Variablenpaar insgesamt erhebliche Ausreißer aufweist.
Figur 4. Scagnostics für Drosophila-Alterungsdaten - ein herausragendes Beispiel
Wenn wir den ursprünglichen SPLOM-Bericht in Abbildung 1 mit den rekursiven SPLOM- und Graph Builder-Berichten in den Abbildungen 2, 3 und 4 vergleichen, entdecken wir viel informativere und aufschlussreichere Analysen.
Jetzt ist es Zeit, das herunterzuladen Scagnostics-Add-In und beginne deine eigene Erkundung!
John Wass schrieb:
Gute Arbeit, Adam. Es dauerte 30 Sekunden für nur 6 Variablen, aber der Graph Builder zeigte eine gute Beziehung zwischen 2 Genen in meinem reduzierten Genom-Datensatz. Auch die Splom- und Entdeckungshistogramme werfen ein wenig Licht auf andere Beziehungen. Ihr Add-In wurde einfach heruntergeladen und in JMP integriert.
