JMP 11 ist in vielen Bereichen ein großer Schritt nach vorne, vor allem aber für JMP Pro . Seit seiner Einführung in JMP 9 konzentrierte sich JMP Pro vorwiegend auf Vorhersagemodelle mit ausgefeilteren Verfahren zum Anpassen von neuronalen Netzwerken und zum Anregen und Bootstrapping von Regressionsbaummodellen. JMP Pro 11 erweitert seinen Anwendungsbereich um vier neue Plattformen: Fit Mixed, Generalized Regression, Uplift und Reliability Block Diagram.
Die Fit Mixed-Plattform wurde von entwickelt Laura Lancaster . John Sall und ich selbst und bietet JMP Pro die Möglichkeit, lineare gemischte Modelle mit unterschiedlichen Korrelationsstrukturen anzupassen, die unter anderem Raum und Zeit sowie zufällige Koeffizientenmodelle berücksichtigen. Die Plattform wird mit spärlichen Matrizen implementiert und ist Multithreading, sodass Sie Modelle an größere Datensätze mit einer relativ großen Anzahl zufälliger Effekte anpassen können. Sie können diese Modelle in fast allen wissenschaftlichen Disziplinen nutzen, von den Sozial- und Umweltwissenschaften bis hin zu Technik und Fertigung.
Die von Generalized Regression entwickelte Plattform Clay Barker ist unsere generalisierte lineare Modellierungsplattform der nächsten Generation. Als Nachfolger der Generalized Linear Models-Plattform können Modelle an nicht normal verteilte Daten angepasst werden. Der mächtigste Aspekt der Plattform ist die Integration moderner Regressionswerkzeuge wie Lasso und Elastic Net, die den Prozess der Modellanpassung und der Variablenauswahl automatisieren. Insbesondere das elastische Netz ist sehr nützlich, wenn Modelle an Beobachtungsdaten mit korrelierten Eingaben angepasst werden. In Zukunft werden wir an dieser Stelle weitere Optionen für die Verteilungsmodellierung hinzufügen sowie Dinge wie Generalized Estimating Equations und möglicherweise sogar Bayesianische Hierarchiemodelle.
Die Reliability Block Diagram-Plattform, die von unserem Hauptentwickler für Zuverlässigkeit, Peng Liu, in Zusammenarbeit mit dem Autor der JMP-Bibliothek NodeGraph, Aaron Anderson, entwickelt wurde, rundet unsere Reihe von Tools für die Zuverlässigkeit von Konstruktionen ab. Damit kann man die Zuverlässigkeit komplizierter Produkte aus vielen Komponenten vorhersagen. Beispielsweise wird ein Automobilhersteller vorläufige Experimente durchgeführt haben, um die Zuverlässigkeit der verschiedenen Teilkomponenten eines neuen Autos zu verstehen, das noch nicht herausgekommen ist. Mithilfe der Reliability Block Diagram-Plattform können Sie diese Zuverlässigkeitsmodelle für Unterkomponenten - wie Getriebe, Antriebsstrang, Motor und Elektrik - mit einer benutzerfreundlichen grafischen Oberfläche kombinieren, die dann die Zuverlässigkeitsverteilung für das gesamte Fahrzeug darstellt.
Die Uplift Modeling-Plattform, die von John Sall selbst entwickelt wurde, ist ein leistungsstarkes Data Mining-Tool, dessen Anwendungen vom Direktmarketing bis zur Pharmaindustrie variieren. Die Plattform passt zu Modellen, mit denen Sie Subpopulationen identifizieren können, die am ehesten auf eine Behandlung ansprechen. Sie könnten beispielsweise ermitteln, welche Personen am wahrscheinlichsten einen Kauf tätigen, nachdem Sie sie in eine Direktmarketing-Kampagne aufgenommen haben, oder die Subpopulationen von Patienten, die am wahrscheinlichsten (oder unwahrscheinlich!) Auf eine medikamentöse Behandlung ansprechen.
Wir haben auch sehr an der Standard-Edition von JMP gearbeitet. Möglicherweise waren die größten Anstrengungen auf diesem Gebiet unser erneuertes Engagement, Menschen in den Sozialwissenschaften zu dienen. Das Kernstück dieser Bemühungen war ein anderes Projekt, das von John Sall geleitet wurde: eine drastische Überarbeitung der kategorialen Plattform, um die Analyse von Marktforschungsumfragen zu erleichtern. Die Faktorenanalyse, ein wesentlicher Bestandteil des statistischen Toolkits der Sozialwissenschaftler, wurde von unserem multivariaten Analyseentwickler Jianfeng Ding mit einer eigenen JMP-Plattform ausgestattet.
JMP 10 initiierte eine Erneuerung der Komponenten für die Qualitäts- und statistische Prozesssteuerung in JMP und die Einführung des Control Chart Builder und der MSA-Plattform (Measurement Systems Analysis). Entwickelt von Annie Zangi Der Control Chart Builder ist ein Drag-and-Drop-Tool zum Erstellen von Shewhart-Diagrammen für fortlaufende Antwortdaten, das erweitert wurde, um Attributdiagramme für Count- und Kategoriedaten sowie Diagramme zur Überwachung des Verhaltens seltener Ereignisse zu verarbeiten. Die MSA-Plattform von Laura Lancaster ist die erste kommerzielle Implementierung des Don Wheeler-EMP-Ansatzes, die eine Alternative zu Gauge-R & R-Studien darstellt. Das Schöne daran ist, dass der Messfehler auf einfache und direkte Weise die Auswirkungen von Messfehlern auf das Erkennen von Verschiebungen in einem Fertigungsprozess deutlich macht. In JMP 11 wurde die MSA-Plattform erweitert, um komplexere Modelle zu handhaben, die realistischer beschreiben, wie Messungen aus einem modernen Fertigungsprozess entnommen werden.
Eine der Funktionen, die mich persönlich am meisten begeistern, ist Ryan Parker ' s Zusatz zum Profiler in JMP. Ryan hat einen simulationsbasierten Ansatz entwickelt, um die Bedeutung der Variablen zu beurteilen, die nur auf einer Vorhersageformel basiert und nicht auf der Anpassung des Modells. Die Technik basiert auf der Sobol-Zerlegung einer Funktion, und Sie können sie auf fast jede Formel anwenden. Dies bedeutet, dass Sie jetzt über ein Werkzeug für die Variablenauswahl verfügen, das auf jedes statistische Modell angewendet werden kann. Dies gilt auch für neuronale Netzwerke, die einer Blackbox zu sehr ähneln, um herkömmliche Methoden zur Auswahl von Variablen zu verwenden. Hier ist das Variable Importance-Tool, das auf ein zweischichtiges neuronales Netzwerkmodell angewendet wird, das mit JMP Pro an einige (simulierte) Kreditkartengenehmigungsdaten angepasst wird.
Ein weiteres cooles neues Widget in JMP ist das von Laura Lancaster entwickelte Multiple Comparisons-Modul, das die Durchführung einer Vielzahl von Mehrfachvergleichsverfahren für beliebige Kombinationen von Eingabevariablen erleichtert. Dazu gehören die Analyse der Mittelwerte, alle paarweisen Vergleiche von Tukey, der Dunnett-Test für Vergleiche mit einer Kontrolle und sogar der Äquivalenztest, wenn eine Schwelle für die praktische Bedeutung besteht. Zu jeder dieser Komponenten gehört ein schönes Diagramm, mit dem Sie leicht erkennen können, wo die Unterschiede in Ihren Daten liegen. Nachfolgend ein Beispiel für Äquivalenztests:
JMP 11 hat wirklich viel zu freuen!
Hinweis: Dieser Beitrag ist Teil einer Vorschau von JMP 11 von JMP-Mitgliedern aus Forschung und Entwicklung sowie technischen Experten. Der JMP-Blog enthält jeden Dienstag eine neue Vorschau, bis JMP 11 im September veröffentlicht wird. Überprüfen Sie alle JMP 11-Vorschauen .
Michelle Homes schrieb:
Einige großartige Verbesserungen und neue Funktionen! Danke für einen kurzen Blick. Wann ist das geplante Veröffentlichungsdatum?
