詐欺学、散布図診断 、ジョンとポールTukeyによって発見され、後にLeland Wilkinsonによって普及しました。グラフ理論的逆数法 （2005）。これらの分析は、高次元視覚分析：点分布のペアワイズビューによって導かれる対話型探査 （2006）。
謎の美しさは、データセットを視覚的に探索する能力です。 JMP Scatterplot Matrix（SPLOM）と呼ばれる固有の機能があり、これによってユーザーは多数の変数ペア間の関係を同時に比較できます。
ただし、変数の数が多くなりすぎると、SPLOMはその効果を失います。図1は、SPLOM報告書の一部を示しています。
図1。ショウジョウバエ加齢データのSPLOM
48個の観測値と100個の数値変数を持つショウジョウバエ加齢データ（JMPサンプルデータ）を調べてみましょう。図1を見ると、このデータセット内のかなりの数の変数に注目してください。これは圧倒的であり、データを視覚的に観察する私たちの能力には欠陥があります。図1では、実際のSPLOMの約15パーセントしか示されていません。データセットが日々増えている世界では、変数間の関係から意味のある情報を抽出できる必要があります。それが詐欺学が登場するところです！Scagnosticsは散布図の5つの側面を評価します。外れ値 、形状 、傾向 、密度そしてコヒーレンス 。
この夏、私はJMPアドインを作成しました。ファイル交換からダウンロードあなたが対話的に9つのグラフ理論的尺度を使ってデータを探索することを可能にするあなたが無料のSASプロファイルを持っているならば）。このアドインは、JMPの現在の3つの機能、Distribution、Scatterplot Matrix、Graph Builderを組み合わせたものです。散布図の各点は2D散布図を表します。左下の散布図行列で点を選択すると、Graph Builderは右下に2つの変数の散布図をそれぞれ表示します。
例として、図2のSPLOMで1つの点がすでに選択されています。対応する変数はlog2in_Tsp42Ejとlog2in_CG6372です。この一対の変数には、識別可能なデータのクラスターが2つあります。これは高い塊の値で注目されます。
図2 ショウジョウバエ加齢データのための確率論 - まとまりのない例
下の図3は、単調値が高い点を選択すると、変数log2in_alpha_Catとlog2in_CG3430derの間に明確な関連性と強い線形関係が見られることを示しています。
図3 ショウジョウバエ加齢データのための確率論 - 単調な例
Scagnosticsのもう一つの重要な側面は外れ値検出 。下の図4のグラフビルダープロットを確認してください。2つの変数log2in_CG18178とlog2in_BcDNA_GH04120を調べると、2つのデータポイントが視覚的には外れ値であるように見えます。かなり高い範囲外の値、および比較的高い偏りのある値の結果は、この変数のペアが全体として大きな外れ値を持つという概念を支持しています。
図4 ショウジョウバエ加齢データのための査読 - 範囲外の例
図1の元のSPLOMレポートを図2、図3、および図4の再帰的SPLOMレポートとGraph Builderレポートと比較すると、より有益で啓発的な分析が明らかになりました。
今すぐダウンロードする時間です Scagnosticsアドインそしてあなた自身の探検を始めましょう！
ジョン・ワース書きました：
良い仕事アダム。それはたった6つの変数に対して30秒かかりましたが、グラフ作成者は私の減少したゲノミクスデータセットの中の2つの遺伝子の間に素晴らしい関係を示しました。また、スプロムとディスカバリーのヒストグラムは、他の関係に少し光を当てました。あなたのアドインは簡単にダウンロードされJMPに統合されました。
