JMP Pro

Size: px

Start display at page:

Download "JMP Pro"

えつとたもん
7 years ago
Views:

1 JMP Pro 高度な分析を行うための洗練された手法 JMP Pro は JMP にさらに高度な分析機能を追加したソフトウェアです高度なモデリング手法を必要とするパワーユーザーも JMP Pro があればより精度の高い予測を行い今後の計画を立てることができます SAS が提供する統計解析ソフトウェア JMP Pro は科学者やエンジニアを対象に設計されインタラクティブなデータの視覚化探索分析および共有といった JMP が持つ全ての優れた機能を備えていますさらに JMP Pro は多数の異なる手法を使用した検証機能を備えた予測モデリング最新のモデリング手法モデルの比較モデルの平均化高度な多変量分析信頼性ブロック図被覆配列混合モデルアップリフトモデル高度な計算機を駆使した統計手法など多数の高度なツールを提供しています JMP Pro は SAS による統計的発見ソフトウェアで高度な分析を行うパワーユーザー向けです JMP Pro なら高度でさまざまな分析が可能になるため統計的発見を阻む障害物を取り除きデータに潜む手掛かりを見つけだす手助けをしてくれますその結果より迅速に問題の突破口を開き先を見越して将来を制御できるようになります主な機能予測モデリングデータマイニングにはオーバーフィッティングを避けたモデルを作成できる高度なツールが必要です JMP Pro には手持ちのデータを使ってより適切なモデルを構築するためのアルゴリズムが豊富に揃っています予測モデリングの中でも最も便利な手法はディシジョンツリーとニューラルネットワークです JMP Pro のパーティションプラットフォームは最新の方法でツリーの構築プロセスを自動化しますブートストラップ森はランダム森の方法でデータや候補の変数からランダムに抽出したサブセットデータを使って多数のディシジョンツリーを作成しそれらのツリーを平均化する手法ですブースティングツリーは前のツリーの残差にツリーを次々にあてはめ多数のシンプルなツリーを構築します JMP Pro のパーティションプラットフォームは K 近傍法 (K-NN) モデルにも対応していますこれらの手法を使用することで単純なディシジョンツリーモデルよりも予測精度の高いモデルを構築できます拡張されたニューラルプラットフォームでは選択可能な 3 つの活性化関数で 1 層または 2 層のニューラルネットワークを構築でき勾配ブースティングを使用して自動モデル作成をすることもできますこのプラットフォームは自

2 信頼性ブロック図により複雑な複数の要素から構成されるシステムの信頼性を定義し理解できます動的に連続尺度の X 変数の変換や欠測値の処理を行いますこれにより時間と労力が軽減されますさらにロバストなあてはめオプションも用意されています JMP Pro のパーティションおよびニューラルプラットフォームではデータ分割による検証を利用できます検証の目的は次のセクションで説明しますさらに JMP Pro ではステップワイズ回帰ロジスティック回帰 ( 名義尺度と順序尺度 ) および判別分析で検証列の使用をサポートしていますモデルの検証効果的な予測モデルを作成するにはモデルを検証するための実質的な手段が必要ですまた複雑なモデルを扱うときにはオーバーフィットの問題に陥りがちでモデルの検証が必要になりますが JMP Pro ではデータ分割や保留により検証を行えますデータを学習検証テストの各データセットに分割する方法はオーバーフィットを防ぐ手段として長く用いられてきましたこの方法であれば作成するモデルが使用した特定の標本の属性に依存しないからです JMP Pro のモデルの検証における一般的なアプローチでは検証列を使用します検証列の作成の機能を使用することでデータを目的の異なる別々のセットに簡単に分割できます ( 単純無作為抽出または層化無作為抽出 ) 学習セットはモデルを構築するために使用されます検証セットはモデル構築プロセスにおいてモデルの複雑度を選択するために使用されます最後にモデル構築プロセスではまったく使用しなかったテストセットを用いてモデルの質を評価します小規模なデータセットでは一部のプラットフォームで K 分割交差検証も使用できますモデルの検証により将来のデータ ( 新しい顧客新しいプロセスまたは新しいリスク ) を適切に一般化するモデルを構築できますつまりデータに基づく推論を行うことができるのです複数のモデリング手法の比較現実の世界では特定の状況でうまくあてはまるモデルも別の状況ではあてはまりが悪くなることがあります JMP Pro にはモデリングの手法が多数あるため特定の状況に最も適したモデルがどれかを見極める必要がありますモデル構築の典型的なアプローチはモデルの複雑度特定の因子 / 予測変数がある / ないモデル異なる種類のモデリング手法を使用して構築されたモデルさらに複数モデルの平均 ( アンサンブルモデル ) など異なるモデルを多数試行するというものですこれらのモデルそれぞれには共通する品質の指標がありこれをモデルの評価に使用できます (R 2 誤分類率 ROC 曲線 AUC リフトチャートなど ) モデルの比較機能を使用してさまざまなモデリングの手法で得た予測式を比較すれば適合度モデルのシンプルさ検証結果などの観点から複数のモデルを比較できます JMP Pro ではこうした比較を自動的に行います同時にユーザーはモデルを視覚的に表すプロファイルを対話的に操作しながらそれぞれのモデルで選択された重要な因子を確認できます JMP Pro におけるモデルの比較では同時に複数のモデルを簡単に比較できますまた必要に応じてモデルの平均化も行えます最新のモデリング一般化回帰は新しいモデリング手法でさまざまなデータに対して優れたモデルを構築できます一般化線形モデルを正則化回帰または罰則付き回帰の手法を使用してあてはめます

3 変数間に強い相関関係がある場合変数がオブザベーション数より多いと通常の回帰分析は役に立ちません高い相関性がある説明変数が多くある場合 ( 観測データでよく見られる ) ステップワイズ回帰やその他の標準的な手法から満足のいく結果を得ることはできませんこれらのモデルはオーバーフィットになる傾向があり新しいデータにはうまくあてはまりませんしかしモデル構築前に変数選択を行うことは難しい場合もありますそれに手作業で変数を選び出すのは時間もかかり大変な作業になってしまいます一般化回帰は優れたモデリングのフレームワークですモデル診断から多重比較逆推定およびプロファイルなどが用意されていますこれは JMP Pro だけに搭載された機能です一般化回帰で使用できる正規化手法にはリッジ Lasso 適応型 Lasso 弾性ネット適応型弾性ネットがあり影響力があると思われる X 変数を識別するのに役立ちますこれらの手法はモデルのあてはめプラットフォームの他のモデリング手法と同様に簡単に利用できます変数と手法を選択して検証法など適切な設定を行うだけです JMP はモデルのあてはめを自動的に行います適切な変数選択を行い新しいデータに対して一般化できる予測モデルを構築します変数増加法を使用したり分位点回帰または単純な最尤法によるあてはめを実行することもできますさらに一般化回帰では応答の分布を選択できますこれによりカウントデータや外れ値の多いデータ歪んだデータなど幅広いデータに対してモデリングが行えます高度な多変量分析多変量分析を必要とするデータの問題にぶつかった場合でも JMP Pro にはより良いモデルを構築するための高度な手法が複数用意されています PLS 回帰データの数よりも変数の数が多いデータをモデル化しようとしていませんか? このような場合従来の手法は機能しませんが PLS 回帰は機能します PLS 回帰はパワフルなモデリング手法で特に X 変数の数がオブザベーション数より多い X 変数に強い相関関係がある多数の X 変数があるまたはいくつかの Y 変数と多くの X 変数があるような場合にその威力を発揮しますこうした状況では通常の最小 2 乗法を使って満足のいく結果を得ることができません PLS 回帰は線形モデルであり説明変数 (X 変数 ) の線形結合から構成されますスコアは X 変数と応答 (Y 変数 ) 間の共分散を最大にするように計算されます JMP Pro では連続値またはカテゴリカルな応答 (PLS-DA) でべき乗項または交互作用項を指定し欠側値の補完を行うよう PLS モデルを構築できますブートストラップ森 ( 右 ) はさらなる調査のために ( たとえば実験計画法を利用した実験 ) 応答に影響する可能性がある変数すべてを識別します標準的なディシジョンツリーモデル ( 左 ) は必ずしも応答に影響する可能性がある変数すべてを特定できるわけではありません

4 変数クラスター結果を予測するための変数が多数あるとき何らかの方法で変数の数を削減しより簡単に予測問題に取り組めるようにしたい場合があります次元削減の手法としてよく知られているものに主成分分析 (PCA) がありますが PCA から得られた変数は解釈しにくいことがあります別の方法として挙げられるのが JMP Pro の変数クラスターですこの機能を使用すれば応答をクラスターに分けることができるかどうかまた分けられる場合にはいくつのクラスターが応答に含まれているかを判断できますレポート内のクラスター選択ではデータテーブルの最も代表的な列が自動的に選択されるためより簡単にモデル項を指定したり変数選択を行ったりできますデータ分割による検証法を使用し多層ニューラルネットワークモデルを構築しますまた SAS スコアコードを生成することもできます信頼性ブロック図複数のハードドライブを備えた RAID ストレージや 4 台のエンジンを積んだ航空機などより複雑なシステムの信頼性を分析しなければならないことがあります JMP があればさまざまなツールを使用してシステム内の単一コンポーネントの信頼性を分析できますさらに JMP Pro であれば信頼性ブロック図プラットフォームを使って単一コンポーネントの信頼性を基に複数のコンポーネントから成る複雑なシステムを定義しシステム全体の信頼性を分析できますこのプラットフォームを使用するとシステム全体の信頼性を適切に予測でき個々のコンポーネントの現在のパフォーマンスに基づいて全体のパフォーマンスを予測できますまたプロットで複数のシステム設計を比較し what-if 分析も簡単に実行できますそして冗長性を持たせる最適な箇所を見極めシステム障害の発生確率を下げます信頼性ブロック図を使用するとシステムを簡単に設計できその弱点を修正できますまたシステム障害を回避するための情報を得ることができます被覆配列因子間の交互作用によって不具合が発生することがあるアプリケーションのテストにおいて被覆配列が使用できます実験には費用がかかるため不具合を見つける確率を最大化する一方でコストと時間を最小化する実験を計画する必要があります被覆配列がまさにこれを実現します JMP Pro では決定論的システムをテストしあらゆる可能な因子の組み合わせを特定の次元までカバーする実験を計画できますテストする意味がない因子の組み合わせがある場合対話式の許可しない組み合わせフィルタを使用してこれらの組み合わせを計画から自動的に排除できます JMP Pro の被覆配列の大きな利点のひとつに被覆配列を計画できるだけではなく統計分析の手法も備えていることが挙げられます JMP Pro ではあらゆる種類の統計分析を行えます一般化回帰と被覆配列の計画が可能なソフトウェアは JMP Pro の他にはありませんまた JMP Pro では任意のソフトウェアで作成された被覆配列計画を読み込みさらに最適化して結果を分析できます実験計画の構築を他者に頼る必要なしに配列を独自で計画できます JMP Pro では被覆配列でテストをより効率的に行えます JMP Pro には驚かされるばかりです常に新しいモデリング手法やツールでデータ分析者としての仕事を楽なものにしてくれています特に一般化回帰プラットフォームは使いやすく高速ですそしてテスト / 検証変数を即座に作成できるので助かっています Dick De Veaux C. Carlisle Margaret Tippit ウィリアムズ大学統計学教授

5 得られたデータが理想的でない場合には JMP Pro の正則化回帰を使用すればより優れたモデルを構築できます混合モデル混合モデルは経時データや空間データを分析できますたとえば新薬開発の臨床試験で複数の被験者が反復測定されるような試験デザインや製薬製造または化学業界におけるクロスオーバー試験などに使用します JMP Pro であればデータに混合モデルをあてはめられるため固定効果や変量効果反復効果を指定したり被験者内における誤差の相関構造を指定できますまたランダム係数モデルも指定できますこれらの操作はすべてドラッグ & ドロップで簡単に行うことができますさらに以下のような場面でさまざまな相関構造を指定できるようになりました一例として実験対象のデータがクラスターにまとめられクラスター内でデータに相関関係がある場合が挙げられます別の例としては実験対象が反復測定されこれらの測定値に相関関係がある場合や変化が見られる場合が挙げられますまた JMP Pro の混合モデルを構築する際にモデルの指定に使用するのにどの空間相関構造が最適かを視覚的に決定する場合に便利ですアップリフトモデル限られたマーケティング予算の効果を最大化するため広告などを好意的に反応すると思われる人だけに送付したい場合がありますしかしデータセットが大きく顧客背景や行動に関して多くの変数がある場合にはその作業も困難になりますこのような場合は JMP Pro のアップリフトモデルが有効ですこの方法は増分モデル実質リストモデルまたは正味モデルとも呼ばれマーケティングに関する決定の最適化やパーソナライズされた治療計画の決定あるいはより一般的な用途としてある行動に反応すると予測される個人の特徴の識別を目的として開発されました JMP Pro のアップリフトモデルではパーティションモデルをあてはめ処置の差を最大にする分岐を見つけますモデルによりある行動に好意的に反応すると思われる個人のグループを識別しますリソースの割り当てや個人に対する影響を最適化するための効率的かつ目標化された決定を下すのに役立ちます計算機を駆使した高度な手法 JMP Pro には分割表の正確確率検定および一元配置 ANOVA のノンパラメトリックな正確確率検定が含まれていますまた JMP のレポートの大部分でブートストラップ法による分析が行えますブートストラップ法は統計量の標本分布を近似する手法です JMP Pro ではプログラムを書かずにブートストラップ標本を作成できます JMP のレポート上に表示されているさまざまな統計量をマウスで操作するだけでその統計量のブートストラップ標本が生成されます

6 ブートストラップ法は統計学の教科書に書かれている仮定が成り立っていない場合や確信が持てない場合に役立ちますたとえば非線形回帰モデルのパラメータに対する信頼区間を求めたいときに役立つでしょう既存の方法で求められた信頼区間や標準誤差とブートストラップ法で求められた値を比較しても良いでしょうブートストラップ法は特定の分布を仮定せずに推定量に対する推測を行います JMP Pro ではこうした推定もマウス操作だけで簡単に実行できます SAS への接続 JMP Pro は SAS に簡単に接続しさまざまなオプションを使用したり優れた SAS Analytics の機能やデータ統合の機能にアクセスすることができますさらに JMP Pro ではアクティブな SAS 接続がない場合でも JMP で作成したモデルを使ってすばやく簡単に新しいデータをスコアリングする SAS プログラムを生成できます結果の共有 JMP は発見の方法そして発見を組織内で効率的に伝達する方法を追求してきました JMP Pro には JMP の視覚的かつ対話的な機能がすべて含まれておりユーザーはそれらの機能を使用して今まで経験したことがないような方法でデータを分析することができます JMP Pro ではデータグラフ統計量がダイナミックにリンクされていることによりデータ分析を生き生きとしたものにします 3 次元のグラフやアニメーションでデータを検討することで時間の経過に伴う変化やモデルの作成と説明のプロセスに関する貴重な洞察が得られますシステム必要条件 JMP Pro は Microsoft Windows と Mac OS 上で実行でき 32 ビットと 64 ビットの両方に対応していますシステム必要条件の詳細については jmp.com/japan/system をご参照くださいデータの数より多くの因子がある場合 ( 横長のデータ ) には PLS モデルが便利です

7 JMP Pro の主な機能 JMP Pro には JMP のすべての機能に加えて以下の高度な分析機能が含まれています詳細については jmp.com/japan/pro をご参照ください予測モデリング分類ツリーと回帰ツリー ( パーティションモデリング )* ブートストラップ森ランダム森ブースティングツリー K 近傍法 (K-NN) データ分割による検証法ニューラルネットワークモデリング欠測値のコード変換勾配ブースティングを使用したニューラルネットワークのあてはめ 1 層または 2 層のニューラルネットワークのあてはめ説明変数の変換 3 種類の活性化関数 ( 双曲正接線形 Gauss) ランダムに生成された交差検証列の保存変換した共変量の保存データ分割による検証法モデルの比較 JMP Pro を使用して構築されたモデルの自動比較プロファイル適合度統計量 (R 2 誤分類率 ROC 曲線 AUC リフトチャート ) モデル平均化最新のモデリング一般化回帰 ( 罰則付き推定による回帰分析 ) 正規化手法 : リッジ Lasso 適応型 Lasso 弾性ネット適応型弾性ネット変数増加法分位点回帰正規分布 Cauchy 分布指数分布ガンマ分布ベータ分布二項分布ベータ二項分布 Poisson 分布負の二項分布ゼロ強調二項分布ゼロ強調ベータ二項分布ゼロ強調 Poisson 分布ゼロ強調負の二項分布ゼロ強調ガンマ分布検証手法の選択 : 検証列 K 分割保留一つ取って置き法 BIC AICc ステップワイズ回帰データ分割による検証法ロジスティック回帰 ( 名義尺度と順序尺度 ) データ分割による検証法判別解析データ分割による検証法標準最小 2 乗法データ分割による検証法モデルの検証モデリングプラットフォームの起動ダイアログで検証列を指定可能検証列ユーティリティデータを学習用検証用テスト用へ分割検証列の作成単純無作為抽出または層化無作為抽出のいずれかの手法によるデータセットの分割プラットフォームの起動ダイアログからの検証列の作成高度な多変量分析 PLS モデリングモデルのあてはめで PLS 回帰の手法を選択することで連続量またはカテゴリカルな応答の指定連続量またはカテゴリカルな因子の指定交互作用べき乗項の指定が可能 NIPALS モデルに沿った EM 法による欠測値補完ランダムに生成されたモデルの検証列の保存中心化や尺度化のオプションを適用する前に交互作用やべき乗項に含まれている個々の変数を標準化検証手法の選択 : 検証列 K 分割保留一つ取って置き法主成分分析 (PCA) 変数のクラスタリング信頼性ブロック図複雑なシステムの信頼性のモデル化直列系並列系直並列系 / 並直列系 k-out-of-n 系などのシステムの信頼性の評価ライブラリから既存のデザインを選択しそれらを組み合わせてデザインすることが可能次ページに続く

8 前ページからの続き被覆配列被覆配列の計画および分析作成後の計画を実験回数を低減するために最適化許可しない組み合わせフィルタを使用した実行不可能な実験領域を指定他のソフトウェアで作成された被覆配列を読み込みさらに最適化混合モデル固定効果だけではなく変量効果および誤差における相関構造を指定可能被験者内における誤差の相関構造やランダム係数モデル ( 変量係数モデル ) を指定可能誤差間の相関構造を選択可能どの空間的相関構造が最適かを決定するバリオグラムが利用可能アップリフトモデルディシジョンツリーの手法により提案または処置に好意的に反応する可能性が最も高い消費者セグメントを識別増分モデル (incremental model) 実質リフトモデル (true-lift model) 正味モデル(net model) とも呼ばれている手法データ分割による検証法オンライン情報評価版さらに高度な統計的発見を体験したい方に評価版をご用意しています jmp.com/japan/trial ユーザー事例 JMP が実際に活用されている事例をご紹介します jmp.com/japan/success 適用分野実験計画や探索的なデータ分析統計モデリングなど JMP 製品のさまざまな応用分野をご紹介します jmp.com/japan/applications 計算機を駆使した高度な手法一元配置分析一元配置分散分析における正確確率検定分割表分析正確確率検定一般的なブートストラップ多くのレポートに対してマウス操作でブートストラップ法を実行 * SAS Model Manager で使用可能な SAS コードを生成する SAS Institute Japan 株式会社 JMP ジャパン事業部 jmpjapan@jmp.com 東京都港区六本木六本木ヒルズ森タワー 11F Tel: Fax: SAS SAS ロゴその他の SAS Institute Inc. の製品名サービス名は米国およびその他の国における SAS Institute Inc. の登録商標または商標ですは米国の連邦登録を受けていることを意味しますその他記載のブランド名および製品名はそれぞれの会社の商標です Copyright 2015, SAS Institute Inc. All rights reserved _

JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのかまたは検定を行う際の前提条件の評価 ( 正規性等分散性 ) はどのメニューで実行できるのかと

JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのかまたは検定を行う際の前提条件の評価 ( 正規性等分散性 ) はどのメニューで実行できるのかというお問い合わせがよくありますそこで本文書ではこれらについての回答を例題を用いて説明します 1.