Modellierungsanleitung für KundenIch habe eine Frage von einem (JMP Pro) -Kunden erhalten, der ein galvanisches Experiment durchführt. Er hat ein entworfenes Experiment, bei dem er verschiedene Eingaben variiert, um ein Modell zu erstellen, um ein Zielergebnis zu erreichen.
Er hat Schwierigkeiten, ein gutes Vorhersagemodell aufzubauen. Er sagt, wenn er das Modell benutzt, um neue Läufe vorherzusagen, tut es nicht gut.
Das Modell scheint sich in Bezug auf die Komplexität (Anzahl der Begriffe) sehr leicht zu ändern, wenn ein paar Punkte entfernt werden.
Das hört sich nach einem Problem an, das von einer persönlichen Beratung mit seinen Daten und seinem Modell profitieren könnte, aber das, was er gefragt hat, war (ich parabe etwas von unserer Konvertierung): "Zu erkennen, dass Kreuzvalidierungsmethoden bereits" dies tun ", gibt es eine automatisierte Methode zum Erstellen eines Modells für jede der möglichen Teilmengen der Versuchsläufe . Ich möchte die Anzahl der Begriffe (und welche Begriffe) für jedes der Modelle vergleichen. "
Fragen, die mir in den Sinn kamen, waren:
- Überanpassen Sie das Modell?
- Ist Ihr Messsystem gut? (Er denkt es ist)
- Können Sie die Eingänge präzise steuern?
Welche zusätzlichen Fragen sollte ich stellen? Wie kann ich diesem Kunden helfen?
Danke im Voraus!
Re: Modellierungsanleitung für KundenIch antworte auf meinen eigenen Beitrag! Weitere Beweise, dass ich nie das beliebte Kind war ...
Ich habe mich mit mir unterhalten @tom_donnelly und wollte meine Antwort hier beim Kunden posten.
"Danke, dass Sie Zeit mit mir verbracht haben, um Ihre Herausforderung zu erklären.
Ich habe in der technischen Community von JMP einige Kontakte geknüpft und die kurze Antwort auf Ihre Frage: "Hat JMP eine A Eine automatisierte Methode zum Erstellen eines Modells für jede der möglichen Teilmengen der experimentellen Läufe ”Ist nein.
Ich habe jedoch einige Ratschläge erhalten, die für Sie hilfreich sein könnten.
Ich glaube, Sie arbeiten mit Daten eines geplanten Experiments, richtig? Haben Sie ein benutzerdefiniertes Design verwendet? Wie viele Läufe hatten Sie für Fehler?
Wenn dies der Fall ist, handelt es sich bei dem von Ihnen entworfenen Experiment um einen sparsamen Satz von Läufen für ein hypothetisches Modell (es sei denn, Sie hatten viele Replikate). Das Modell ist von Natur aus sehr empfindlich für die Daten, die für jeden Lauf gesammelt werden, da der Entwurf erstellt wurde, um die Frage (von Ihnen angenommenes Modell) in so wenigen Läufen wie möglich zu beantworten. Wenn es Ihrem Modell nicht gelingt, zusätzliche „Test / Validierungs“ -Läufe anzupassen, kann es sinnvoll sein, dass Sie es Ihrem ursprünglichen Design hinzufügen, um es an ein Modell höherer Ordnung anzupassen. Natürlich kann das Modell auch aus anderen Gründen keine guten Vorhersagen machen (z. B. sind Faktoren wichtig, auf die Sie keinen Einfluss haben, es ist schwierig, Ihre Eingaben zu kontrollieren, das Messsystem hat viel Rauschen, usw.)
Ich erinnere mich, dass Sie sagten, dass Sie Ihr Modell mit zusätzlichen Läufen nachrüsten. Waren diese Läufe zusätzlich zu Ihrem ursprünglichen Design? Oder passten Sie zu Ihrem Modell, als Sie die Daten aus dem Experiment sammelten?
Wenn die Antwort letztere ist (gibt es einen praktischen Grund, warum Sie dies tun?), Können Sie Ihr Design blockieren. Zum Beispiel könnte der erste Satz von Läufen (erster Block) die Abschätzung der Haupteffekte sein. Die zweite Gruppe von Läufen könnte die Abschätzung der Interaktionsbedingungen usw. sein. Auf diese Weise werden die Läufe in jedem Block so eingerichtet, dass sie ein vollständiges Modell schätzen.
Lassen Sie mich wissen, wenn Sie weiter diskutieren möchten. "
@tom_donnelly Ich erwähnte auch, dass der Kunde möglicherweise erwägen möchte, ob Transformationen für das Modellgebäude relevant sein könnten, aber ich habe es in meiner E-Mail nicht erwähnt (wird warten, bis wir live chatten).
Re: Modellierungsanleitung für KundenIch mag Toms Antwort darauf. Ich denke es ist das Beste. Wenn jedoch keine Zeit und kein Budget für mehr Durchläufe zur Verfügung steht, hatte ich mit der generalisierten Regression auch etwas Glück, um in meinem vergangenen Leben mehr Vorhersagemodelle für DOE-Daten zu erhalten. Peter Hersh teilte mir eine großartige JMP Pro-Demo mit, die so nah an dem ist, was ich getan habe, es ist beängstigend 
Pete, kann ich dir das sagen?
Re: Modellierungsanleitung für KundenHi Wendy,
Ich habe mein Tagebuch für das Beispiel beigefügt, über das Jason spricht. Es ist eine sehr ähnliche Situation, in der sie eine DSD ausgeführt haben und versuchen, ein Vorhersagemodell aufzubauen. Wenn Sie Stepwise und dann die kleinsten Quadrate verwenden (Standard-JMP), erhalten Sie ein überladenes Modell, das sich als schlechte Vorhersage herausstellt. Mit GenReg funktioniert es viel besser. Ich bin nächste Woche nicht in der Stadt, also kann ich helfen, es besser zu erklären, aber alle Skripte werden in den Datentabellen gespeichert. Es ist ein guter Fall für GenReg vs. Schrittweise / kleinste Quadrate anpassen. Hoffe das ist hilfreich.
Re: Modellierungsanleitung für KundenEs kann sich lohnen, zu prüfen, ob dieses Experiment Mischungsfaktoren enthält. Wenn ja, sollten wir nicht versuchen, das Modell so zu vereinfachen, wie wir es für ein Experiment mit nur Prozessfaktoren tun würden. Versuchen Sie stattdessen mit Vorhersagen über das Designmodell zu gehen.
Beste,
Malcolm
Re: Modellierungsanleitung für KundenVielen Dank!
