響應面 VS 混合響應面先生們好，
我寫這篇文章是因為我對 JMP 中的選項有點困惑。 我正在嘗試評估 DOE 和模型的構造 Effect 有幾個選項，例如默認的響應面，但我與 Minitab 進行了比較，我發現兩種軟件之間的結果不同，但我認為 Minitab 結果是好的因為它更多地是根據我之前的因子圖，所以我開始嘗試這個選項，我發現混合響應曲面是最接近的。 為什麼會這樣？ 我試圖在 JMP 教程中找到更多相關信息，但缺少相關信息
注意：我的 DOE 由 4 個因素構成，我有幾個回應
此致
FactorialFactorial階乘
ParetoPareto帕累托
回复：響應面 VS 混合響應面嗨阿奇，
因為您幾乎可以在每個建模平台中找到 k 折交叉驗證，所以最好自己研究一下。您可以搜索 JMP 幫助或通過谷歌搜索（k 折交叉驗證 JMP），您將看到幾個信息鏈接和一些有用的 youtube 視頻。
最好的，
賬單
回复：響應面 VS 混合響應面你好比利，
我沒有使用 JMP pro，我在哪裡可以找到更多關於K折交叉驗證在 JMP 中？我不知道如何修改k-fold？
回复：響應面 VS 混合響應面你好阿奇，
借助 JMP，可以通過多種方式設置交叉驗證，以幫助避免模型過度擬合。JMP 中的幾乎每個平台都允許 K 折交叉驗證。如果您的數據集較小，請對數據集中的樣本（行）數使用 k 倍。例如，如果您有 20 行，則將 k-fold 設置為 20。這也稱為留一法交叉驗證。
如果您使用的是 JMP Pro，則可以使用驗證列，另一種選擇是讓 JMP 隨機選擇最多 20% 的數據，然後隱藏並排除所選數據以用作留出集以測試預測能力你的模型。
對於許多預測模型來說，過度擬合是一個真正的問題。檢查每個參數的 p 值。對於 JMP，對模型重要的變量的默認 p 值為 0.05。任何高於該值的值都是可疑的，您應該檢查模型的預測能力，無論是否使用 p 值高於 0.05 的變量。
另一個表明您可能過擬合的跡像是，如果您的 R 方和 R 方調整值彼此明顯不同。如果模型沒有過度擬合，這兩個值可能會非常接近。還有其他幾種檢查過度擬合的方法，但以上內容應該可以幫助您確定 JMP 或 minitab 是否為您提供了更好的預測模型。
希望這可以幫助。
最好的，
賬單
回复：響應面 VS 混合響應面你好比爾，
你有一個很好的觀點。 我怎麼知道系統何時過度擬合，何時不過度擬合？ 我也不知道 minitab 是如何做到的。 我在之前的郵件中說過。 我只是選擇了教程中描述的默認參數。 有時我同意你的看法，但我無法解決的問題是我有一些 JMP 未評估的參數，例如切割寬度或似乎並不重要。 另一方面，minitab 認為這個因素很重要。這是180度的差異。
此致
回复：響應面 VS 混合響應面感謝您提供的圖像，看起來您的 minitab 模型很可能處於過度擬合的情況。JMP 效應匯總基於 p 值和 logworth 值顯示模型中最重要和最活躍的因素。根據 JMP 輸出，二次效應似乎對最佳整體模型影響不大。我不熟悉 minitab 如何幫助他們的模型找到最重要的因素，但這可能是一個很好的起點，可以確保您的模型不會過度擬合。
回复：響應面 VS 混合響應面你好比爾，
是的，我將我的因素從分類因素修改為連續因素並查看結果，但我找不到表面響應的任何差異，請參見附圖。 對於您的問題，Minitab 以完全二次方作為默認選項工作，也請參見附圖。
此致
回复：響應面 VS 混合響應面如果可以的話，我想補充什麼@Dan_Obermiller已經寫過了。
您在 JMP 中用於首先分析數據的方法與 minitab 的比較不公平，因為您只有分類因子。您無法使用分類因子估計二次項或平方項，因此沒有響應面。這就是 Dan 說要將因子更改為連續因子的原因。使用連續因子，如果它們確實存在並且對模型很重要，您可以獲得所需的二次估計。最好查看您的 minitab 模型輸出，看看您的模型中是否有任何平方項。如果有，那將有助於解釋您最初看到的模型之間的差異。
你分享的最後一張圖片看起來你已經接近丹的樣子了。
HTH
賬單
回复：響應面 VS 混合響應面您好，感謝您提供的表格和反饋。 我查看了您上傳的表格和圖像，在開發 RMS 表格實驗時遇到了一些技術困難。 很簡單，因為 O 標記的工具不能超過 1。 這是我們的限制。 我們之前進行了篩選，並確定了操作參數。 事實上，我們開發了所有的實驗，我們正在尋求分析數據，並有一些標準化效果的帕累托圖，並製作方差分析，看看哪些參數具有最顯著的效果。 我還沒有嘗試過 JMP excel 工具，因為我認為 Fit 模型足夠強大，可以做到。 不過，我還有一些疑問。
你的意思是“將它們指定為離散的唯一原因是強制將某些級別納入設計。 如果你真的想這樣做，請指定一個高階模型和/或使用離散數字選項”
您是如何在擬合模型選項中獲得因子 RS 的？
最後，奪回las點，
“請記住，JMP 旨在盡可能創建設計最佳的實驗，而不是匹配特定的運行表。 運行表可能不是最佳選擇。 讓 JMP“創建”表格以匹配 Excel 表格的唯一方法是使用 DOE > Classical > Full Factorial。 指定所有因素並創建設計。 然後您必須手動刪除不需要的組合。 請注意，最後一部分必須是手動的，因為如果您不進行該組合，您就不會運行全因子設計。 這就是 JMP 不自動構建該設計的原因。 這就是定制設計的目的：為您的特定情況創建設計，而不是試圖強行適應不太合適的設計。”
實際上，我在討論開始時就這樣做了，如果我將結果與 Minitab 進行比較，我發現結果不正確；但是，我記得你告訴我，我只是將 DOE 與模型相匹配。
最好的問候，祝你有美好的一天
回复：響應面 VS 混合響應面感謝您提供文件。 這有很大幫助。
首先，您聲明必須複製 Excel 文件。 如果是這樣，那麼您對創建設計實驗並不真正感興趣。 您有興趣在 Excel 工作表中運行特定試驗。 為什麼不直接將 Excel 表格打開到 JMP 中，運行這些試驗，輸入響應並進行分析？
您總是很難讓 JMP 匹配您的 Excel 表，因為 JMP 比運行表做得更好。
我從你的表中看到的幾個問題：
指定因子時，如果因子是連續的（例如每齒進給量、切削速度和切削寬度），則將該因子指定為連續因子而不是分類因子。 將它們指定為離散的唯一原因是強制將某些級別納入設計。 如果您真的想這樣做，請指定高階模型和/或使用離散數值選項。
當我使因子連續（工具名稱除外）時，我為僅主效應模型（附加設計）創建了一個 45 次試驗設計。 然後，我將 JMP 生成的定制設計與 Excel 表格進行了比較。 JMP 定制設計在所有模型項上具有同等或更好的功效。 對於大部分設計空間，JMP 設計的預測方差低於 Excel 表（在更差的地方，它非常接近）。 我已將結果作為圖片附上。 底線是，如果存在更好的設計，JMP 不會為您提供劣質設計。
使用 JMP 以這種方式創建設計確實將因子限制在兩個水平。 實驗是關於效率的。 做盡可能少的試驗來估計你想要的模型。 然後您使用該模型來確定最佳設置。 您無需嘗試網格中的每個組合來優化流程。 使用這種方法，因為您只指定了一個主效應模型，所以任何連續因子都不需要超過兩個水平。 在兩個以上的水平上進行實驗是浪費的。
為什麼要堅持第三個層次？ 很多時候是因為您期望曲線響應。 因此，用於估計曲率的模型是響應曲面模型。 在 JMP 中，我單擊 RSM 按鈕以獲取響應曲面模型（設計附加為 JMP RSM 設計）。 這將強制使用第 3 級，因為需要它來估計二次效應。 然後，我將這個 45 次運行的自定義 RSM 設計與 Excel 表格進行了比較。 同樣，JMP 定制 RSM 設計非常出色，如附圖所示。
請記住，JMP 旨在盡可能創建設計最佳的實驗，而不是匹配特定的運行表。 運行表可能不是最佳選擇。 讓 JMP“創建”表格以匹配 Excel 表格的唯一方法是使用 DOE > Classical > Full Factorial。 指定所有因素並創建設計。 然後您必須手動刪除不需要的組合。 請注意，最後一部分必須是手動的，因為如果您不進行該組合，您就不會運行全因子設計。 這就是 JMP 不自動構建該設計的原因。 這就是定制設計的目的：為您的特定情況創建設計，而不是試圖強行適應不太合適的設計。
您可能希望參加有關實驗設計的課程，或者閱讀 Goos 和 Jones 撰寫的 Optimal Design of Experiments 一書，以獲得有關設計創作的更多見解。 希望這有用。
Compare JMP Design to Excel TableCompare JMP Design to Excel Table將 JMP 設計與 Excel 表進行比較
Compare JMP RSM Design to Excel TableCompare JMP RSM Design to Excel Table將 JMP RSM 設計與 Excel 表進行比較
回复：響應面 VS 混合響應面好的，請附上兩個數據表，一個是我在 Excel 中製作的，我必須使用 JMP 等統計軟件複製和評估，另一個是 JMP 製作的錯誤的自定義數據表。 我將 0 放入複製框中，我認為它在我之前發布的參數圖片中。 正如我在之前的電子郵件中所說，我的目標是複制和評估 excel DOE。 我能做些什麼？ 我做了幾次測試，很自然地，我可以在 JMP 中找到可以解決我的問題的東西。 是的，你是對的。 客戶設計中沒有全階乘的選項，但我這樣做是因為我顛倒了階乘的順序以便使用限制性 DOE 評估
Besr 問候，祝你度過愉快的一周
回复：響應面 VS 混合響應面阿奇，
您不應共享圖片，而應共享 JMP 數據表。 這將有必要的信息來確定哪裡出了問題。 從您提供的捕獲中，我沒有註意到重複運行（我沒有詳細查看每一行）。 但是，如果有，那是因為定制設計算法已確定重複某些試驗比新設計點更能提供模型估計信息。 定制設計根據您指定的型號選擇設計。 其中，在您的一個屏幕截圖中，您只指定了一個主要效果模型——沒有交互。 對於該模型，您不需要 45 次試驗，但由於您要求那麼多試驗，JMP 可能會重複一些試驗。
您還表示，當“在定制設計中指定完整的階乘選項”時，您會得到這些重複。 定制設計中沒有“全因子選項”。
回复：響應面 VS 混合響應面即使在定制設計中選擇全階乘，我也得到了重複值。 你能告訴我這是為什麼嗎？
回复：響應面 VS 混合響應面更新信息：即使對於三個因素，我也有一些重複參數。 有沒有辦法阻止重複值？ 上傳圖片
3 factors3 factors3個因素
回复：響應面 VS 混合響應面更新信息：即使對於三個因素，我也有一些重複參數。 有沒有辦法阻止重複值？ 上傳圖片
3 factors3 factors3個因素
回复：響應面 VS 混合響應面您好，我閱讀了教程並做了一個帶有不允許組合的自定義設計，老實說，我不知道為什麼它給了我一個奇怪的表格，其中有一些重複值，有時還有一些遺漏值，我測試了太和切割寬度的組合併且效果很好，然後我嘗試了工具，切割寬度和切割速度也還可以：但是，當我一起做這 4 個時，它開始了災難並發現了一些重複的值和一些遺漏的值。 你能告訴我為什麼嗎，我發布了所有參數和表格。請問你能幫幫我嗎？
此致
DOEDOE美國能源部
ParametersParameters參數
回复：響應面 VS 混合響應面您不會想要全因子設計，因為您無法完成它。 帶有不允許組合的自定義設計將是更好的選擇。 您應該參考“幫助”菜單下“書籍”部分中的實驗設計指南。
另請注意，您將無法估計刀具和切削寬度之間的相互作用，因為您不會運行所有這些組合。 該術語不應出現在您的模型中。
回复：響應面 VS 混合響應面更新信息：與上一封電子郵件相關，我將我的 DOE 分成兩個全階乘，一個 DOE 的切割寬度為 1，另一個 DOE 的切割寬度為 4.3，我這樣做是為了使我的響應符合 DOE 模型並得到以下是切割寬度 1 的結果，但它不起作用，因為我也對該響應感興趣
FirstFirst第一的
Result 2Result 2結果 2
ResultResult結果
回复：響應面 VS 混合響應面我怎樣才能得到我想要的 DOE？讓我更好地解釋一下我正在使用加工參數，所以我有三個工具，其中兩個可以在 tu 條件示例 1 和 5 中切割，但一個工具是特殊情況，所以它只能在 1 處切割，這就是原因我只是將 5 的部分從一個工具的全階乘中刪除。 我如何開發具有這種特性的 DOE？
此致
Desired DOEDesired DOE期望的實驗設計
回复：響應面 VS 混合響應面您設計了全析因，但沒有完成全析因。 這可能會導致您產生令人困惑的結果。 未完成某些運行不等同於定制設計。 定制設計最適合指定的模型。 缺少一些試驗實際上可能導致一些模型項不可估計。
如果不了解數據，就無法回答與模型窗口的混淆。
正如我在第一篇文章中所說，混合響應曲面模型僅在具有混合因子時才使用。 您可以忽略它，因為它不適用於您的情況。 如果你使用它，你基本上是在擬合一個無截距模型，它完全改變了你模型的所有數學和解釋。 不要使用它。
從您的 Pareto 屏幕截圖中，似乎沒有測試最後一項（效果缺失值）。 這讓我相信你錯過的跑步不允許你適應你想要的模型。 您是否在 JMP 報告中看到“奇點詳細信息”部分？ 如果是這樣，那我是對的。 您需要構建一個模型，您的數據將允許您進行估算。
最後，JMP 中的默認響應曲面模型是默認的，因為它是與您的全因子設計關聯的模型。 您沒有運行完整的設計。 因此，該模型可能不正確。 你改變了設計，你需要改變你的模型，因為這些東西在一起。
回复：響應面 VS 混合響應面它做了一個完整的階乘，但我刪掉了一部分，因為一個參數在我的實驗中沒有用。 它更像是一個定制的 DOE（我的 DOE 是全階乘 3x2x3x3=54 測試，但我做了 45。）並且它是在 JMP 中創建的。 我的疑問是在擬合模型部分，更具體地說是在構建模型效果部分，見圖。 默認選項是響應面，但顯然結果與 Minitab 不同，所以我開始玩，發現混合響應面是最接近的結果，我的問題是為什麼會這樣？ 兩者有什麼區別？ 你有電子郵件給你發送我的數據嗎？
Fit Model DialogFit Model Dialog擬合模型對話框
回复：響應面 VS 混合響應面我在幾個方面有點困惑。
請解釋創建了什麼設計。 它是在 JMP 中創建的嗎？
是混料設計嗎？ 混料設計有一個約束條件，即部分或所有因素加起來達到特定數量，通常為 1。 如果不是這種情況，請忽略混合響應曲面選項。
你能分享數據嗎？
我也猜測，因為您有多個響應，所以 JMP 擬合模型對話框包含對話框的 Y 角色中列出的所有響應。 如果是這種情況，那麼您顯示的效果匯總表實際上列出了所有響應中每個模型項的最低 p 值。 （一個常見的混淆點）。
此討論板上的人會很樂意提供幫助，但我們確實需要更多詳細信息才能提供幫助。
