<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Come ottenere la previsione non lineare con due variabili in JMP?
Ho anche trovato un esempio di adattamento dei dati a una distribuzione Weibull tramite la piattaforma non lineare.
Ciao Hemi,
Uso spesso un modello non lineare per adattarlo ai dati. Allegherò uno snippet di codice con la speranza che ti indicherà una direzione. Creo una colonna formula e quindi eseguo una misura non lineare.
Fade = Current Data Table ();
Dissolvenza << Nuova colonna ("allungata esponenziale", numerica, continua, formula (parametro {{a = 1, b = -0.01, c = 0,2}, a * exp (b *: Ore ^ c))));
f = Fade << Nonlinear (
Y (: Name ("Std Light Output1")), // Questa è la nostra misura dell'emissione luminosa per un pannello OLED
X (: Nome ("Espanso Esponenziale")),
Limite di iterazione (100000),
Unthreaded (1),
Newton,
Finire,
Per (: ID Dev),
Predizione inversa personalizzata (risposta (0.9, 0.95),
Termine Valore (Ore (. )))
);
f_rep = f << report;
rep = Report (f [1]) [Outline Box (3)] [Table Box (1)] << Make Combined Data Table;
rep = current data table () << Imposta nome ("MSE Report");
rep = current data table ();
rep << Salva (:: risultati || "MSE Report.jmp");
life = Report (f [1]) [Outline Box (6)] [Table Box (1)] << Make Combined Data Table;
vita << Tabella dati attuali << Imposta nome ("Previsioni di vita combinate");
life = Current Data Table ();
vita << Nuova colonna ("Exp No", carattere, formula (Sottostr (: Dev ID, 1, 10)));
vita << Salva (:: risultati || "Combinato T90 Predictions.jmp");
Fatemi sapere se avete domande.
Dave
Ciao Hemi,
I miei suggerimenti di seguito si basano su una migliore ipotesi su ciò che si desidera realizzare.
Un'opzione che puoi provare è quella di trasformare i tuoi dati di risposta o i tuoi input di interesse o entrambi. Prova a utilizzare una trasformazione di log, Ln o radice quadrata per provare a rendere i dati più lineari.
Puoi fare tutto questo direttamente nella piattaforma Fit Model. Facendo ciò in Fit Model puoi usare tutte le variabili che vuoi per costruire il modello.
È possibile fare clic con il tasto destro del mouse su qualsiasi variabile che si desidera trasformare nell'elenco di selezione colonne e creare una colonna di trasformazione temporanea da utilizzare nell'analisi. Se questa trasformazione funziona, puoi quindi salvare la colonna nella tabella dati facendo clic con il pulsante destro del mouse sulla colonna temporanea e scegliendo di salvare la colonna. Se si sceglie di trasformare i dati di risposta, assicurarsi di selezionare la colonna come risposta nella piattaforma Fit Model, evidenziare la colonna "Y" e quindi andare al menu a discesa Trasforma nella parte inferiore della finestra di dialogo. Impostando la trasformazione in questo modo la tua risposta prevista verrà riportata nei valori originali (non trasformati).
Un'altra opzione è creare una formula in una nuova colonna che incorpori le variabili di interesse. È quindi possibile utilizzare quella formula per la "X" nella piattaforma non lineare per sviluppare il modello. Ciò è particolarmente utile e importante se si utilizza un'equazione di primi principi che ha parametri aggiuntivi associati ad essa.
Qualunque cosa tu scelga di fare, assicurati di salvare la tua formula di previsione nella tua tabella di dati. Vai a Grafico> Profiler e seleziona la colonna della formula di previsione per Y, Formula pronostici. Assicurati di selezionare Espandi formule intermedie in basso a sinistra e seleziona OK. Questo ti permetterà di vedere come più variabili influenzano la previsione generale.
Conto
