기능적 데이터 탐색기나는 시간이 지남에 따라 측정 된 검열 자의 데이터가 "전형적"인지를 결정하기 위해 사용자 FDE를 시도하는 고객이 있습니다. 그들은 FDE를 사용하여 FPC를 만들고이 FPC를 사용하여 실행이 일반적인지 판단하고 FPC의 사양을 작성하여 비 전형적인 실행에 플래그를 지정하려고합니다. 현재 모델로 데이터를 분석하고 새 데이터에 대한 FPC를 작성하기 위해 모델을 새 데이터로 업데이트하는 것을 원하지 않습니다. 이것은 새 데이터를 유효성 검사 데이터로 사용하면 효과가있는 것처럼 보입니다. 그러나 문제는 모델이 이전 데이터를 "다시 실행"해야한다는 것입니다. 실제로 제대로 작동 한 모델 이후로 상당히 많은 컴퓨팅 성능과 시간이 필요합니다. 그 (것)들을위한 400의 마디를 가진 p-sline 모형은이었다.
FDE를 통해 모델을 매번 다시 실행할 필요없이 기능적 주 구성 요소의 스플라인 수식을 저장하는 방법을 알고있는 사람이 있습니까?
같은 줄을 따라 청소 단계를 거친 데이터를 저장하고 단계를 정렬하고 변형하는 방법이 있습니까?
경고의 다른 한 단어는 하강 크기 데이터 세트의 라이브 데모에서 p- 스플라인을 실행하지 않는 것이 좋습니다. 고객이 16GB 컴퓨터에서 ~ 500,000 행의 데이터를보고있을 때 약 15 분이 걸렸습니다.
다시 : 기능적인 데이터 탐색기불행히도 모델 적합성을 저장하는 방법이 없기 때문에 매번 다시 맞추어야합니다. 14.1에서는 Profiler로 모형 적합성을 더 잘 탐색 할 수있는 관련 JSL 함수로 예측 수식을 저장할 수 있습니다. 이것은 또한 FPC 점수를 사용하여 기능 재구성을 허용합니다. 그러나 이것은 원래 모델의 재 착용없이 새로운 기능을 직접 스코어링하는 방법을 제공하지 않습니다.
사용자가 함수의 일부 관측 양상을 사용하여 FPC에 대한 예측 공식을 생성하는 것과 같이 이러한 예측을하는 다른 기술을 탐색 할 수 있습니다. 그렇다면 14.1의 수식은 이상적인 솔루션이 아니더라도 확실히 도움이 될 것입니다.
데이터를 저장하려면 최상위 RTM 옵션 인 "데이터 저장"을 사용하면됩니다. 사용자는 모델을 피팅 한 후 "Save Data"를 사용하여 모델 응답 (Y) 값 (모델 RTM에서)을 볼 수도 있습니다.
또한 우리가 볼 수있는 사고 신고서가 있다면 보내주십시오!
