JMP 11 많은 전방에서 큰 진보이지만, 특히 JMP Pro . JMP 9에서 소개 된 시점부터 JMP Pro는 신경 네트워크에 적합하고 회귀 트리 모델을 향상시키고 부트 스트랩하는보다 정교한 절차를 통해 예측 모델링에 주력했습니다. JMP Pro 11은 Fit Mixed, Generalized Regression, Uplift 및 Reliability Block Diagram의 네 가지 플랫폼을 추가하여 범위를 실질적으로 확장합니다.
Fit Mixed 플랫폼은 로라 랭커스터 , 존 살 JMP Pro는 공간 및 시간, 임의 계수 모델 등을 고려한 서로 다른 상관 구조가있는 선형 혼합 모델을 적용 할 수있는 기능을 JMP Pro에 제공합니다. 플랫폼은 희소 매트릭스를 사용하여 구현되며 다중 스레드되어 상당히 많은 수의 무작위 효과가있는 더 큰 데이터 세트에 모델을 맞출 수 있습니다. 사회 및 환경 과학에서 엔지니어링 및 제조에 이르기까지 거의 모든 과학 분야에서 이러한 모델을 활용할 수 있습니다.
에 의해 개발 된 일반화 된 회귀 플랫폼 클레이 바커 차세대 일반 선형 모델링 플랫폼입니다. Generalized Linear Models 플랫폼의 후속 모델이기 때문에 비 정규 분포 데이터에 적합 할 수 있습니다. 이 플랫폼의 가장 강력한 측면은 모델 피팅 및 변수 선택 프로세스를 자동화하는 Lasso 및 Elastic Net과 같은 최신 회귀 도구의 통합입니다. 특히, 신축성 그물은 모델을 상관 된 입력으로 관측 데이터에 맞추는 경우 매우 유용합니다. 앞으로는 일반화 된 방정식 및 가능하면 베이지안 계층 모델과 같은 배포 모델링 옵션을 더 추가 할 것입니다.
JMP의 NodeGraph 라이브러리 저자 인 Aaron Anderson과 공동으로 Principal Reliability Developer, Peng Liu가 개발 한 신뢰성 블록 다이어그램 플랫폼은 우리의 엔지니어링 신뢰성 도구 모음을 완성합니다. 이를 통해 많은 구성 요소로 구성된 복잡한 제품의 신뢰성을 예측할 수 있습니다. 예를 들어, 자동차 제조업체는 아직 출시되지 않은 신차의 다양한 하위 구성 요소의 신뢰성을 이해하기 위해 예비 실험을 수행 할 것입니다. 신뢰도 블록 다이어그램 플랫폼을 사용하면 전송, 파워 트레인, 엔진 및 전기 시스템과 같은 하위 구성 요소에 대한 이러한 신뢰성 모델을 사용하기 쉬운 그래프 기반 인터페이스와 결합하여 전체 차량의 안정성 분포를 표시 할 수 있습니다.
John Sall 자신이 개발 한 Uplift Modeling 플랫폼은 직접 마케팅에서 제약 산업에 이르기까지 다양한 응용 프로그램을 포함하는 강력한 데이터 마이닝 도구입니다. 이 플랫폼은 치료에 가장 반응 할 가능성이있는 하위 집단을 식별 할 수있는 모델에 적합합니다. 예를 들어, 어떤 제품을 직접 마케팅 캠페인에 포함시킨 후 어떤 제품을 구매할 가능성이 가장 높은지 파악하거나 약물 치료에 반응 할 가능성이있는 (또는 가능성이 낮은) 환자의 하위 집단을 식별 할 수 있습니다.
우리는 또한 JMP 표준판 작업에 매우 바빴습니다. 이 분야에서 가장 중요한 노력은 아마도 사회 과학 분야의 사람들에게 봉사하겠다는 우리의 새로운 약속이었을 것입니다. 이러한 노력의 핵심은 존 샐 (John Sall)이 이끄는 또 다른 프로젝트였습니다. 즉, 시장 조사 조사를보다 쉽게 분석 할 수 있도록 범주 형 플랫폼을 극적으로 개편했습니다. 사회 과학자의 통계 툴킷의 필수 요소 인 요인 분석은 다 변수 분석 개발자 인 Jianfeng Ding이 자체 JMP 플랫폼을 제공합니다.
JMP 10은 JMP에서 품질 및 통계 프로세스 제어 구성 요소의 갱신을 시작했으며 Control Chart Builder 및 Measurement Systems Analysis (MSA) 플랫폼의 도입을 보았습니다. 에 의해 개발 된 애니 장지 , Control Chart Builder는 희귀 이벤트의 동작을 모니터링하기위한 차트는 물론 개수 및 범주 데이터의 특성 차트를 처리하도록 확장 된 연속 응답 데이터 용 Shewhart 차트를 만들기위한 끌어서 놓기 도구입니다. Laura Lancaster의 MSA 플랫폼은 Gauge R & R 연구의 대안 인 Don Wheeler의 EMP 접근 방식을 최초로 상용화 한 것입니다. 이것에 대한 좋은 점은 측정 오류가 제조 공정의 변화를 감지하는 능력에 미치는 영향을 명확하고 간단하게 직접적으로 알 수 있다는 것입니다. JMP 11에서 MSA 플랫폼은 최신 제조 프로세스에서 측정을 수행하는 방법을보다 현실적으로 설명하는보다 정교한 모델을 처리하도록 확장되었습니다.
개인적으로 가장 흥분되는 기능 중 하나는 다음과 같습니다. 라이언 파커 ' JMP의 프로파일 러에 추가되었습니다. Ryan은 모델에 맞는 방식이 아닌 예측 공식만을 기반으로하는 변수 중요성을 평가하기위한 시뮬레이션 기반 접근 방식을 개발했습니다. 이 기술은 Sobol의 함수 분해에 기반하며, 모든 공식에 적용 할 수 있습니다. 이것이 의미하는 바는 기존의 변수 선택 방법을 사용하는 블랙 박스와 너무 비슷한 신경망과 같은 모든 통계 모델에 적용 할 수있는 변수 선택에 사용할 수있는 도구가 있다는 것입니다. 다음은 JMP Pro를 사용하여 2 단계 신경망 모델에 적용된 변수 중요성 도구입니다 (시뮬레이션 된) 신용 카드 승인 데이터입니다.
JMP의 또 다른 멋진 위젯은 Laura Lancaster가 개발 한 Multiple Comparisons 모듈로 입력 변수의 임의 조합 세트에 대해 다양한 다중 비교 절차를 쉽게 수행 할 수 있습니다. 여기에는 평균 분석, Tukey의 모든 쌍 비교, Dunnett의 비교 대 대조 테스트, 실용적인 중요성에 대한 임계 값이있을 때의 동등 테스트까지 포함됩니다. 이 각각에는 데이터의 차이점을 쉽게 알 수있는 멋진 그래프가 있습니다. 다음은 동등성 테스트를위한 예제입니다.
JMP 11 정말 기대되는 많은 것들이 있습니다!
노트 : 이 게시물은 JMP R & D 회원 및 기술 전문가가 작성한 JMP 11 미리보기 시리즈의 일부입니다. JMP 블로그는 9 월에 JMP 11이 발표 될 때까지 매주 화요일마다 새로운 미리보기 기능을 제공합니다. 모든 JMP 11 미리보기 .
미셸 주택 쓴 :
실제로 몇 가지 큰 기능 향상과 새로운 기능! 몰래 들어 줘서 고마워. 예정 출시일은 언제입니까?
