고객을위한 모델링 지침전기 도금 실험을하고있는 (JMP Pro) 고객으로부터 질문을 받았습니다. 그는 목표 결과를 달성하기위한 모델을 구축한다는 목표를 가지고 여러 가지 입력을 다양하게 변경 한 설계된 실험을하고 있습니다.
그는 좋은 예측 모델을 만들기 위해 고심하고 있습니다. 그는 모델을 사용하여 새로운 실행을 예측할 때 잘 수행되지 않는다고 말합니다.
이 모델은 몇 점의 제거로 매우 쉽게 복잡성 (조건 수)과 관련하여 변경되는 것으로 보입니다.
이것은 그의 데이터와 그의 모델과의 일대일 협의를 통해 얻을 수있는 문제처럼 들리지만 그가 물었던 매우 구체적인 것은 (나는 우리의 전환에서 약간의 말을 바꾸고있다) : "교차 검증 방법은 이미"이것을하고있다 "는 것을 인식하고 있습니다. 실험 실행의 가능한 하위 집합 각각에 대한 모델을 생성하는 자동화 된 방법 . 각 모델의 용어 수 (및 용어)를 비교하고 싶습니다. "
내 마음 속에 떠오르는 질문들 :
- 당신이 모델에 적합합니까?
- 측정 시스템이 양호합니까? (그는 그렇게 생각한다)
- 입력을 정확하게 제어 할 수 있습니까?
추가 질문은 무엇입니까? 이 고객에게 어떻게 도움이 될 수 있습니까?
미리 감사드립니다.
다시 : 고객을위한 모델링 지침나는 내 자신의 게시물에 응답하고있다! 내가 결코 인기있는 아이가 아니었다는 또 다른 증거 ...
나는 에담했다. @tom_donnelly 여기에 고객에게 내 답변을 게시하고 싶습니다.
"당신의 도전을 설명하기 위해 나와 함께 시간을 보내 주셔서 감사합니다.
나는 JMP 기술 커뮤니티에서 약간의 홍보 활동을했으며 질문에 대한 짧은 대답은 "JMP에는 실험 실행의 가능한 부분 집합 각각에 대한 모델을 생성하는 데 사용되는 방식 "아니오.
그러나, 나는 당신에게 도움이 될지도 모르는 나의 토론의 약간의 충고를 받았다.
나는 당신이 설계된 실험의 데이터로 작업하고 있다고 믿는다. 맞습니까? 맞춤 디자인을 사용 했습니까? 오류가 몇 번 있었습니까?
이 경우에, 당신이 디자인 한 실험은 ... 가설을 세운 모델에 맞는 간결한 실험 세트입니다 (많은 복제가 없다면). 이 모델은 본질적으로 각 실행에 대해 수집 된 데이터에 매우 민감합니다. 왜냐하면 설계는 가능한 한 적은 실행으로 질문 (사용자가 지정한 가설 모델)에 응답하기 위해 작성 되었기 때문입니다. 모델이 "테스트 / 유효성 검사"를 추가적으로 수행하지 않으면 고차원 모델에 맞게 원래 설계에 추가하는 것이 좋습니다. 물론 모델이 다른 이유로 예측하기에 좋지 않을 수도 있습니다 (예 : 통제 할 수없는 중요한 요인, 입력 제어가 어렵고 측정 시스템에 많은 소음이 있음, 기타.)
추가 작업으로 모델을 다시 채우라고 말한 것을 기억합니다. 원래 디자인뿐만 아니라 이러한 실행이 있었습니까? 또는 실험에서 데이터를 수집 할 때 모델을 피팅 했습니까?
대답이 후자 인 경우 (실용적인 이유가 있습니까?) - 디자인을 방해 할 수 있습니다. 예를 들어, 첫 번째 실행 집합 (첫 번째 블록)은 주 효과를 추정 할 수 있습니다. 두 번째 실행 집합은 상호 작용 용어 등을 추정하는 것일 수 있습니다. 그렇게하면 각 블록에 런이 설정되어 전체 모델을 추정하게됩니다.
더 논의하고 싶다면 알려주세요. "
@tom_donnelly 또한 고객이 모델 건물에서 변환이 관련성이 있는지 고려해보고 싶지만 이메일에서 언급하지 않았습니다 (실제 채팅 할 때까지 기다릴 것임).
다시 : 고객을위한 모델링 지침나는 이것에 대한 톰의 대답을 좋아한다. 나는 그것이 최고라고 생각한다. 그러나 더 많은 실행을위한 시간이나 예산이 없다면 일반화 된 회귀를 사용하여 과거 생활에서 DOE 데이터에 대한 예측 모델을 얻을 수있는 행운을 얻었습니다. 피터 허시 (Peter Hersh)는 저와 함께 멋진 JMP Pro 데모를 공유했는데, 그것은 제가 한 일에 너무 가깝습니다. 무서워요. 피트, 너에게 이걸 부딪 칠 수 있을까?
다시 : 고객을위한 모델링 지침하이 웬디,
Jason이 말하는 예를 위해 저널을 첨부했습니다. DSD를 실행하고 예측 모델을 작성하는 것과 매우 유사한 상황입니다. Stepwise를 사용하고 최소 자승법 (표준 JMP)을 사용하면 매우 지나친 모델을 얻게되어 결국 예측이 나빠질 수 있습니다. GenReg를 사용하면 훨씬 잘 작동합니다. 나는 이번 주에 마을을 벗어났다. 그래서 더 잘 설명하도록 도울 수 있지만, 모든 스크립트는 데이터 테이블에 저장된다. GenReg vs. 단계적으로 / 최소 최소 제곱합. 희망이 도움이됩니다.
다시 : 고객을위한 모델링 지침이 실험에 혼합 요소가 포함되어 있는지 확인하는 것이 좋습니다. 그렇다면 우리는 프로세스 요소만을 포함하는 실험에서 모델을 단순화하려고해서는 안됩니다. 대신 디자인 모델을 사용하여 예측을 시도해보십시오.
베스트,
말콤
다시 : 고객을위한 모델링 지침고맙습니다!
