추상적인
새로운 데이터가 주어지면 새로운 결과를 예측하는 올바른 모델을 찾는 것이 중요한 성과입니다. 그러나 최종 목표가 훨씬 더 많은 청중과 모델의 예측력을 공유하는 것인 여정의 한 단계인 경우가 많습니다. JMP Pro에는 예측 모델의 피팅, 비교 및 선택을 용이하게 하는 많은 도구가 있습니다. JMP Pro 13에는 모델을 수집하고 새 테이블에 적용하고 모델 비교 및 프로파일러 플랫폼에 액세스하는 효율적인 방법인 Formula Depot가 추가되었습니다. 모델을 생산에 배포하는 데 도움이 되도록 Formula Depot는 모델을 다양한 프로그래밍 언어로 된 채점 코드로 변환할 수도 있습니다. 이 자습서에서는 부동산 사례 연구를 사용하여 예측 모델링 워크플로를 설명합니다. 데이터를 컴파일하고, 모델링을 위한 데이터를 준비하고, 예측 모델을 생성하고, Formula Depot에 모델을 게시하고, 최상의 모델을 탐색 및 선택합니다. 그런 다음 "즉석에서" 주택 가격을 계산할 수 있는 웹 애플리케이션 생성을 지원하는 스코어링 코드를 생성합니다. 또한 데이터 점수를 매기는 다양한 방법을 살펴보고 현재 배포 아키텍처에 대한 개요를 제공합니다.
튜토리얼 콘텐츠
자습서의 최종 결과는 AWS에서 호스팅되는 예측 기능을 갖춘 웹 애플리케이션입니다. 당신은 그것을 찾을 수 있습니다 여기 . 다음은 이 페이지의 첨부 파일에서 찾을 수 있는 자습서와 관련된 내용에 대한 설명입니다.
클라이언트 계층(첨부 파일 RedFinWeb.zip 참조)은 다음을 사용합니다. 부트스트랩 사용자 인터페이스 및 OpenLayers 매핑 기능을 위해.에서 호스팅되는 정적 웹 사이트로 구현됩니다. AWS S3 ; 인터페이스는 맞춤형 HTML 양식을 사용하여 사용자 데이터 항목을 수집합니다. 이들은 모델 평가에서 입력 값으로 사용되며, 이는 a에 의해 트리거됩니다. 나머지 컴퓨팅 계층을 호출합니다.
컴퓨팅 계층(첨부 파일 RedFinServerless.zip 참조)은 두 가지 Amazon 서비스를 사용합니다. API 게이트웨이 AWS에 매핑되는 REST 호출의 진입점입니다. 람다 서비스. Lambda는 Amazon의 구현입니다. 서버리스 아키텍처 FaaS(Function-as-a-Service)라고도 하는 패러다임. 서버리스는 상태 비저장, 짧은 대기 시간, 높은 처리량 애플리케이션에 낮은 관리 비용으로 규모에 맞는 성능을 제공하므로 정의상 다음과 같은 스코어링 애플리케이션에 매우 적합합니다. 당황스러울 정도로 병렬 .
Lambda 서비스는 JMP에서 생성된 Python 점수 매기기 코드의 최종 배포 대상이었습니다. 애플리케이션을 AWS 서비스에 배포하는 것은 다음을 사용하여 수동으로 수행할 수 있습니다. 관리 콘솔 , 그러나 프로세스를 간소화하려면 사용 가능한 많은 오픈 소스 래퍼 중 하나를 사용하는 것이 좋습니다. 이 연습에서는 다음을 사용했습니다. 서버리스 애플리케이션 프레임워크 .
Python 코드가 기능 엔지니어링 작업(클러스터링, 범주화, 대치)과 그 위에 구축된 모델을 캡처하는 방법에 유의하십시오. 이를 통해 모델을 만드는 데 사용된 것과 동일한 원시 데이터 소스를 프로덕션에서 새 데이터의 점수를 매기는 데 사용할 수 있습니다. 이는 유지 관리 가능한 분석 파이프라인을 구축할 때 중요한 고려 사항입니다.
첨부된 당신은 또한 찾을 수 있습니다 주피터 노트북 (RedFinNotebook.zip) 배포 전에 모델을 테스트하는 데 사용됩니다. 주택 시나리오를 위해 JMP에서 생성한 Python 모델 모음(RedFinModels.zip) 모델을 생성하기 위한 데이터 정리 및 스크립트가 포함된 원본 JMP 테이블. (RedFinData.zip). 이 마지막 .zip 파일에는 REST 백엔드가 다른 애플리케이션(이 경우 Excel 수식에서)에서 채점을 위해 직접 호출되는 방법을 보여주는 스프레드시트도 포함되어 있습니다.
참조
아이디어는 웹 페이지가 점수를 매겨야 하는 데이터(예: 사용자가 몇 가지 값을 입력하는 대화 상자)를 가져오는 사용자 인터페이스라는 것입니다. 값이 제출되면 이벤트 핸들러가 수집하여 JMP에서 생성한 JavaScript 모델 코드를 호출합니다. 결과는 사용자에게 다시 표시됩니다. 주요 이점은 서버를 공격할 필요가 없기 때문에 최대한 확장 가능하다는 것입니다. 단점은 한 번에 하나에서 몇 개의 관찰 점수로 제한된다는 것입니다. 그러나 사용 사례에 따라 이것은 문제가 되지 않습니다.
구체적인 예를 보려면 다음을 살펴보십시오.
http://jmp.valentine.s3-website-us-east-1.amazonaws.com/
여기에서 사용자 입력 대신 웹 페이지는 곡선 내부 또는 외부로 분류되어야 하는 임의의 점을 생성합니다. 분류는 JMP 신경망 모델에 의해 수행됩니다. 시각화는 D3.js로 수행됩니다.
웹 애플리케이션을 사용하여 사용자로부터 데이터를 수집하고 입력 점수를 매기고 결과를 다시 표시하는 방법을 보여주는 또 다른 예는 2016 프레젠테이션 .
개념을 설명하는 완전한 웹 애플리케이션인 "WebApp" 폴더. 그것은 현장 연구 식물학자가 측정을 기반으로 새로운 아이리스 꽃 표본을 분류하려고 시도하는 데 사용하도록 설계되었습니다. 
안녕,
당신의 도움에 감사드립니다.마지막으로 HTML 뒤의 브라우저 내에서 실행할 것을 제안했습니다 ...
가시적인 것을 달성하는 데 도움이 되는 더 자세한 내용이나 링크를 제공할 수 있습니까?
감사해요,
짐
안녕 @jgrayson ,
Resources/Scoring 아래의 설치 디렉토리에 있습니다. 예를 들어 내 Windows 컴퓨터에서는 아래에 있습니다.
C:\Program Files\SAS\JMPPRO\16\Resources\Scoring\JavaScript
안녕,
javascript에 대한 "jmp_score"를 어디에서 찾을 수 있는지 알려주실 수 있습니까?
감사해요,
짐 그레이슨
