JMP Pro gradation

Les nouveautés de JMP® Pro 13

La version avancée JMP Pro réunit tous les outils et techniques de JMP que les utilisateurs connaissent et apprécient – et bien plus encore. Avec JMP Pro 13, les utilisateurs bénéficieront de fonctionnalités inédites, d'un meilleur workflow de modélisation prédictive et de gains de performances dans la plupart des plates-formes de JMP Pro.

Découvrez comment obtenir JMP Pro 13

Montage de moniteurs JMP Pro

Analyses de l'explorateur de texte

Introduit dans JMP 13, l'explorateur de texte est une plate-forme permettant de traiter les données de texte non structurées. Tandis que JMP 13 fournit des méthodes élémentaires d'extraction de mots et d'expressions, JMP Pro inclut d'importantes fonctions d'analyse multivariée et de réduction de dimension, permettant aux utilisateurs d'incorporer des données de texte dans leurs tâches de modélisation prédictive.

JMP Pro applique des techniques d'analyse spécialisées aux principaux types de données de texte (journaux de réparation, enquêtes en texte libre, champs de descriptions détaillées et commentaires libres, entre autres) afin de les convertir en données numériques directement exploitables par les plates-formes de modélisation de JMP Pro. Vous pouvez à présent utiliser les informations issues de vos données non structurées pour enrichir votre modèle JMP Pro préféré, qu'il s'agisse d'une forêt aléatoire (Bootstrap Forest), d'un réseau de neurones ou d'un modèle de régression généralisée.

En couplant des données de texte aux régresseurs déjà disponibles, vous renforcez la validité externe de vos modèles. Vous êtes déjà contraint de stocker toutes ces données non structurées dans votre base de données : pourquoi ne pas les mettre à contribution ?

Dépôt des formules et génération d'un code de scoring

Pour comparer plusieurs modèles dans les précédentes versions de JMP, il était nécessaire d'enregistrer des colonnes de prévision pour chaque modèle dans la table de données. Dans certains cas, comme celui des réseaux neuronaux, la taille de la table pouvait augmenter de manière exponentielle. En outre, la convention de dénomination des nouvelles colonnes ne prenait en compte que le nom de la colonne dont les valeurs étaient prévues, et non la plate-forme dans laquelle le modèle avait été ajusté. Il était donc difficile de savoir quelle plate-forme avait servi à créer telle ou telle colonne de formule de prévision. Le dépôt des formules de JMP 13 Pro répond à tous ces besoins, et facilite le déploiement de modèles en fournissant un référentiel central pour organiser, profiler, comparer et déployer de manière sélective des modèles en C, JavaScript, Python, SQL ou SAS®.

Amélioration de la régression généralisée

La fonction de régression généralisée de JMP Pro a pour but de satisfaire l'ensemble de vos besoins de modélisation. Il s'agit en effet d'une approche moderne des modèles linéaires généralisés et de la sélection de variables, mais aussi d'un remarquable outil d'analyse des plans d'expériences et des données observationnelles (y compris les données de survie) depuis un seul et même emplacement.

JMP 13 marque la troisième version de la régression généralisée qui ne cesse de s'enrichir de nouvelles fonctionnalités :

  • Option Lasso double : les variables sont criblées par une première passe de Lasso adaptatif, puis les estimations de paramètres obtenues servent de poids pour une seconde passe de Lasso adaptatif, ce qui affine encore davantage le modèle.
  • Ajout de l'option Sélection Forward en deux étapes : la sélection Forward initiale ne tient compte que des effets principaux, puis une seconde passe prend en compte les interactions et les termes d'ordre supérieur. Cette technique offre d'excellentes propriétés pour la sélection de modèles dans les plans d'expériences.
  • Gestion des données censurées, permettant la sélection de variables lors de l'ajustement de données de survie/fiabilité ; prise en charge des risques proportionnels de Cox ; prise en charge des distributions de Weibull, log-normale et normale.
  • Améliorations d'ordre général :
    • Nouveau critère de sélection de modèle, ERIC, spécialement conçu pour les problèmes de régression pénalisée
    • ROC et courbes Lift
    • Matrices de confusion
    • Distribution cumulée et profilage de quantile (comme la survie paramétrique)
    • Prise en charge des modèles sans constante et des régresseurs ordinaux
    • Relance avec effets actifs ; diagnostic de modèle amélioré ; possibilité d'enregistrer une formule de simulation exploitable dans l'utilitaire Simuler

Simulation des systèmes réparables

Dans les précédentes versions de JMP, la simulation ne pouvait s'appliquer qu'aux paramètres de fiabilité où une défaillance entraînait la fin de vie du système. Toutefois, un système complexe et coûteux avec nombre de composants réparables, comme un moteur d'avion, est généralement réparé dans la mesure du possible, au lieu d'être mis au rebut à la moindre défaillance. Grâce à la fonction de simulation des systèmes réparables de JMP 13 Pro, l'analyse des systèmes réparables est désormais possible, ce qui vous permet de répondre à des questions comme celles-ci :

  • Quelle est le délai moyen entre les défaillances pendant la « durée de vie réparable » des unités ?
  • Quelle est la disponibilité des unités ? Autrement dit, quelle est la proportion de temps pendant laquelle les unités fonctionnent ?
  • Quels sont les coûts de réparation attendus sur toute la durée de vie réparable des unités ?
  • Quels composants sont le plus souvent à l'origine des arrêts et des opérations de maintenance du système ?
  • Quels composants serait-il opportun de réparer/remplacer pendant l'arrêt du système occasionné par une autre réparation ?

La plate-forme Simulation des systèmes réparables de JMP Pro 13 utilisant la même interface que la plate-forme Diagramme de fiabilité, les ingénieurs fiabilité n'ont pas à se former sur une nouvelle interface : ils peuvent commencer à créer des modèles immédiatement.

Fonction de simulation générale

Statisticiens et analystes ont recours aux simulations pour évaluer de nouvelles méthodes statistiques, estimer le potentiel de tests statistiques non standard et effectuer des bootstraps paramétriques. Dans JMP 13, l'utilisation de la fonction de simulation générale va se généraliser car les utilisateurs n'ont plus à rédiger de scripts JSL personnalisés pour effectuer la simulation et analyser les résultats. Cette fonction est de fait accessible depuis la plupart des plates-formes dont le menu du triangle rouge comprend les options Nouveau calcul automatique ou Bootstrap.

Ce type de simulation est également très utile dans les plans d'expériences. En effet, les réponses ne suivent pas toujours une distribution normale ou approximativement normale dans un plan d'expérience. Les tests système en particulier peuvent générer des données basées sur un nombre ou un critère d'échec ou de réussite. Le concepteur de plans optimaux de JMP 13 est à présent capable de simuler des données de réponse réalistes pour ces expériences, et les utilisateurs de JMP Pro peuvent exploiter ce résultat simulé, en s'aidant des fonctions de simulation générales de JMP Pro, pour estimer le potentiel expérimental du plan.

Enfin, le bagging (ou agrégation bootstrap) a été ajouté au profileur de JMP Pro. Les utilisateurs peuvent ainsi créer des intervalles de prévision dans les paramètres dépourvus de formules d'intervalle de prévision. La création d'une colonne de validation nécessitait auparavant de nombreux clics pour diviser les données en jeux d'apprentissage, de validation et de test. Et s'il vous fallait pour cela plus qu'un simple échantillon aléatoire des données, vous deviez utiliser un complément ou d'autres techniques afin de réaliser les meilleures divisions possibles.

Désormais, vous pouvez diviser les données en fonction du problème, via l'un des nombreux algorithmes fournis. De plus, dans les plates-formes d'analyse, si vous cliquez sur la fonction de la colonne de validation sans sélectionner de colonne, JMP vous demande de choisir une colonne de validation ou d'en créer une directement depuis la plate-forme. Ainsi, vous ne quittez pas le processus d'analyse et pouvez procéder à une validation croisée des modèles en quelques clics.

Bayes hiérarchique

Les modèles de préférences aident les entreprises à identifier les produits et caractéristiques les plus importants pour les clients, et à déterminer le prix que ces derniers sont prêts à payer pour certaines caractéristiques.

Un modèle de préférences qui traite tous les clients de la même manière produira des estimations représentant la moyenne des préférences de tous les individus. Or, si ces individus ont des préférences très différentes, comme c'est souvent le cas, le produit « optimal » déterminé par le modèle satisfera sans doute ce client « moyen » (qui n'existe pas dans la réalité), mais ne tentera peut-être aucun des clients qui existent réellement.

Fort heureusement, JMP 13 Pro prend en charge le Bayes hiérarchique, capable de modéliser correctement ces différences de préférences. Il vous permettra d'obtenir des résultats plus proches de la réalité et des modèles de meilleure qualité pour vos plans de préférences, en maximisant les informations obtenues dans les limites de votre budget.

Analyse d'association

L'analyse d'association (souvent appelée analyse du panier de la ménagère) consiste à identifier les éléments que l'on retrouve au cours d'un événement, d'un enregistrement ou d'une transaction donnée.

Voici quelques exemples de règles d'association :

  • 80 % des personnes qui achètent le produit A achètent également le produit B.
  • 40 % des réparations nécessitant la pièce A nécessitent également la pièce B.
  • 20 % des personnes présentant les facteurs de risque A, B et C développent la maladie X avant l'âge de 50 ans.

Une bonne connaissance de ces associations permet de prendre de meilleures décisions dans plusieurs domaines, comme le marketing, la santé et la fiabilité des produits.

Grâce à la plate-forme Analyse d'association de JMP Pro, vous pouvez également recourir à la décomposition en valeurs singulières (SVD), une technique de réduction de dimension, pour regrouper les transactions similaires. Les vecteurs singuliers peuvent alors être utilisés dans des plates-formes de modélisation prédictive.

Processus gaussien

Les modèles de processus gaussien servent à modéliser la relation entre une réponse continue et un ou plusieurs régresseurs. Dans les précédentes versions de JMP Pro, l'exécution de ces modèles était chronophage lorsque les jeux de données étaient volumineux. De plus, quelle que soit la taille de la table, cette opération était impossible si les modèles comportaient des facteurs catégoriels. Dans JMP Pro 13, ces deux problèmes ont été corrigés, de sorte vous bénéficiez de tous les avantages des modèles de processus gaussien.

Amélioration des modèles mixtes

Dans JMP 13, la méthode d'analyse statistique Modèle mixte de la plate-forme Modèle linéaire offre de nouvelles structures de covariance (Variances inégales, Échangeable, Antédépendant et Toeplitz). Elle peut donc s'appliquer dans tout un tas de contextes inédits.

Partition améliorée et Bayes naïf

Avec JMP Pro 13, vous maîtrisez mieux la plate-forme Partition : les tables de tuning de modèle permettent d'exécuter des modèles sur une grille de valeurs de paramètres, tandis que la randomisation, dans l'option Gradient Boosting stochastique pour les arbres augmentés, évite le surajustement. Le classificateur Bayésien naïf est également disponible.

Documentation

Téléchargez le PDF des nouveautés de JMP et JMP Pro, ou consultez notre documentation en ligne.

Back to Top