JMP Pro gradation

JMP® Pro 13の新機能

JMPにさらに高度な分析機能を追加したソフトウェアであるJMP Proは、JMPユーザーが使い慣れた機能をさらに強化しています。JMP Pro 13では、JMP Proプラットフォーム全般で、ユーザーは新機能、予測モデルのワークフローの改善、パフォーマンスの向上を実感できるでしょう。

JMP Pro 13の入手方法

JMP Pro 13 monitor montage

「テキストエクスプローラ」プラットフォームを用いた分析

JMP 13で新たに採用されたテキストエクスプローラは、非構造化テキストデータを処理するためのプラットフォームです。JMP 13には基本的な単語と語句の抽出機能があり、また、JMP Proでは多変量解析や次元削減という優れた機能を追加したため、ユーザーはテキストデータを予測モデルに組み込むことができます。

JMP Proでは、修理記録、自由回答調査、長文の説明欄、オープンコメント欄など、ほとんどのユーザーに一般的なテキストデータをサポートし、最適なな分析手法を使うことにより、テキストデータをJMP Proモデル化プラットフォームで直接使える数値データに変換しています。非構造化データ内の情報を使って、ブートストラップ森、ニューラルネット、または一般化回帰モデルなど、お好みのJMP Proモデルをさらに充実できるようになりました。

テキストデータ内にある予測子を補完することで、より外部妥当性の高いモデルを構築することができます。データベース内の非構造化データをすべて保存するには、手間暇がかかります。この作業を機械に任せてはどうでしょう?
(この機能は日本語には対応していません)

計算式デポとスコアコードの生成

これまでのJMPでは、複数のモデルを比較するために、各モデルの予測列をデータテーブルに保存する必要がありました。ニューラルネットなど、一部のケースではこれによりテーブルのメモリ使用量を大幅に増やす可能性がありました。さらに、新規列の命名規則は、値が予測された列の名前だけに適用されており、モデルがあてはめられているプラットフォームには適用されませんでした。これにより、ある予測式の列を作成するためにどのプラットフォームが使用されたかを知ることは困難でした。

JMP Pro 13計算式デポは、これらすべてのニーズに対応しているだけではなく、モデルをより簡単に展開することができるため、C、JavaScript、Python、SQLまたはSASでモデルを整理、プロファイル化、比較、選択的に展開できる中央リポジトリ機能も提供しています。

改良された一般化回帰モデル

JMP Pro一般化回帰は、ユーザーのすべてのモデリングのニーズを満たすことを目標としています。

一般化回帰は、JMP一般化線形モデルや変数選択への最新アプローチであるだけではなく、実験計画(DOE)や観測データ(寿命/生存時間データを含む)の世界トップレベルの分析ツールを1つにまとめています。

JMP 13は一般化回帰の機能を含むバージョンとしては3番目のリリースですが、その関連ツールは、新機能を満載し、進化を続けています。

  • ダブルLassoオプション
    まず、適応型Lassoパスで変数のスクリーニングをお行い、結果として得たパラメータ推定値を2回目の適応型Lassoパスの重みとして使用し、さらにモデルを洗練させていきます
  • 2段階変数増加法オプションの追加
    初回の変数増加法は主効果のみを分析対象としますが、2回目の変数増加法パスでは、交互作用とより高次の項も分析対象とします。この手法は、実験計画(DOE)のモデル選択に最適です
  • 打ち切りのあるデータを処理するため、生存時間/信頼性分析データをあてはめる際に変数を選択することができます。また、Cox比例ハザード、Weibull、対数正規分布、正規分布をサポートしています
  • 一般的な改良点
    • 罰則付き回帰問題のために設計された新規モデル選択基準、ERIC
    • ROCとリフトチャート
    • 混同行列
    • CDFと分位点プロファイル(生存時間(パラメトリック))
    • 切片の無いモデルや順序尺度の予測子をサポート
    • アクティブな効果を選択して分析を再起動可能。モデル診断機能の向上。シミュレーションユーティリティで使えるシミュレーション計算式を保存可能

修理可能システムのシミュレーション(RSS)

これまでのJMPでは、シミュレーションは、故障が起きれば即システム寿命の終了を意味していた信頼性設定でのみ使用可能でした。しかし、多くの整備可能な部品で構築されている複雑で高価なシステム(飛行機のエンジンなど)は、問題が起きた際にそのまま廃棄処分するのではなく、可能な限り修理します。

JMP Pro 13修理可能システムのシミュレーションは、修理可能なシステム向けの分析ツールで、これを用いて、次のような質問に答えることができるようになりました。

  • ユニットの「整備可能な寿命」中の平均故障間隔は?
  • ユニットの可用性は?
  • ユニットが稼動する時間の割合は?
  • ユニットの「整備可能な寿命」中の予測される修理費用は?
  • システムのダウンタイムや保守に最も影響を及ぼすコンポーネントは?
  • あるコンポーネントの修理のためにシステムがダウンしている間に、追加で修理/交換可能なコンポーネントは?

JMP Pro 13のRSSプラットフォームは、信頼性ブロック図プラットフォームと同じインターフェイスを使用しているため、信頼性技術者は新しいインターフェイスの使用方法を学ぶ必要はありません。すぐにモデル構築作業を始めることができます。

一般的なシミュレーション機能

統計学者やアナリストはシミュレーションを使って、新しい統計手法を評価し、非標準的な統計的検定の検出力を予測し、パラメトリックなブートストラップを行います。

JMP 13では、一般的なシミュレーション機能によりアクセスしやすくなったため、ユーザーはカスタムのJSLを書いてシミュレーションを行ったり、結果を分析したりする必要はもうありません。この機能は、自動再計算機能やブートストラップ機能のあるほとんどのプラットフォームで、赤い三角形のメニューオプションから使用できます。

実験計画(DOE)でもこのシミュレーション機能が役に立ちます。実験計画で、応答は常に正規分布またはほぼ正規分布されるとは限りません。特にシステムテストの場合、度数、または合否ベースのデータが生成されることがあります。

JMP 13のカスタム計画は、これらの実験で現実的な応答データをシミュレートできるようになり、JMP Proのユーザーは、一般的なシミュレーション機能を使用したシミュレーション結果を使って、計画の実験検出力を予測することができます。

最後に、バギング(ブートストラップ集計)機能もJMP Proのプロファイルに追加されたため、ユーザーは予測区間の計算式が存在しない場合でも予測区間を作成することができるようになりました。これまでは、検証列を作成する作業のほとんどは手動で行う必要があり、データセットを学習用や検証用、テスト用セットに分類するために何度もクリックしなければなりませんでした。

分割するデータに単純な無作為標本以外が必要とされている場合には、分割を最善にするために、アドインまたはその他の技法を使用しなければなりませんでした。

複数ある内蔵アルゴリズムのいずれかを使用して、問題に基づいてデータを分割できるようになりました。また、分析プラットフォームでは、列を選択せずに検証列の役割ボタンをクリックすると、検証列を選択するか、そのプラットフォームから検証列を直接作成するようにプロンプト表示で促されます。そのため、分析作業を中断することなく、モデルの交差検証を、マウスを数回クリックするだけで簡単に行えるようになりました。

階層型Bayes分析

選択モデルは、どの製品や機能が顧客にとって最も重要か、特定機能のために顧客はどこまで支払う用意があるかを見極めるのに役に立ちます。

すべての顧客の選好が同じと考える選択モデルでは、これら個人の選好の平均値が予測されます。よくあることですが、もし個人の選好に大きなばらつきがある場合、このモデルが予測する「最適」商品はこのモデルが導き出し、実際には存在しない「平均的な」顧客は満足させるかもしれませんが、おそらく実際に存在する顧客の誰一人として満足させることはできないでしょう。

幸いなことに、JMP Pro 13では階層型Bayesをサポートしているため、ユーザーは選好のばらつきを適切にモデル化できます。この機能を使って、選択モデル計画からより正確な結果と精度の高いモデルを導くことができます。これにより、限られた実行予算内で得られる情報量を最大化できます。

アソシエーション分析

アソシエーション分析(マーケットバスケット分析とも呼ばれる)は、所与の事象、レコード、またはトランザクションで共に発生する項目を特定します。

たとえば

  • A製品を購入する消費者の80%がB製品も購入する
  • A部品の修理を行うと、40%の確率でB部品も関わってくる
  • A~Cのリスク因子のある人の20%が50歳までにX状態となる

これらの関連性を理解することで、マーケティング、医療、製品信頼性など、さまざまな場面で意思決定を行うのに役立ちます。

JMP Proアソシエーション分析プラットフォームでは、次元削減手法である特異値分解(SVD)を使って類似のトランザクションをグループ化できます。その後、特異ベクトルを予測モデルプラットフォームで使うことができます。

Gauss過程

Gauss過程モデルを使って、連続尺度の応答と1つ以上の予測子間の関係をモデル化できます。

JMP Proのこれまでのバージョンでは、データセットが大きい場合にはこれらのモデルを実行するのは時間がかかり、そして、テーブルサイズにかかわらずカテゴリカル因子のあるモデルでは実行できませんでした。

JMP Pro 13では、この問題の解決に力を注ぎ、Gauss過程モデルを大幅に使いやすくしました。

混合モデルの改良

JMP 13では、モデルのあてはめにおける混合モデル手法がいくつかの新しい共分散構造(異分散、交換可能、先行依存、テプリッツ)を利用可能にしており、これまでは適用できなかったような幅広い用途で使えるようになりました。

パーティションの改善と単純Bayes

JMP Pro 13では、ブースティングツリーの確率的勾配ブースティングオプションでのランダム化を行うことによりオーバーフィットを防ぎながら、モデル調整計画テーブルを使ってパラメータ値のグリッド上でモデルを実行するなど、パーティションプラットフォームでより詳細に設定することができるようになりました。単純Bayes分類器も使えます。

Back to Top