响应面 VS 混合响应面先生们好，
我写这篇文章是因为我对 JMP 中的选项有点困惑。 我正在尝试评估 DOE 和模型的构造 Effect 有几个选项，例如默认的响应面，但我与 Minitab 进行了比较，我发现两种软件之间的结果不同，但我认为 Minitab 结果是好的因为它更多地是根据我之前的因子图，所以我开始尝试这个选项，我发现混合响应曲面是最接近的。 为什么会这样？ 我试图在 JMP 教程中找到更多相关信息，但缺少相关信息
注意：我的 DOE 由 4 个因素构成，我有几个回应
此致
FactorialFactorial阶乘
ParetoPareto帕累托
回复：响应面 VS 混合响应面嗨阿奇，
因为您几乎可以在每个建模平台中找到 k 折交叉验证，所以最好自己研究一下。您可以搜索 JMP 帮助或通过谷歌搜索（k 折交叉验证 JMP），您将看到几个信息链接和一些有用的 youtube 视频。
最好的，
账单
回复：响应面 VS 混合响应面你好比利，
我没有使用 JMP pro，我在哪里可以找到更多关于K折交叉验证在 JMP 中？我不知道如何修改k-fold？
回复：响应面 VS 混合响应面你好阿奇，
借助 JMP，可以通过多种方式设置交叉验证，以帮助避免模型过度拟合。JMP 中的几乎每个平台都允许 K 折交叉验证。如果您的数据集较小，请对数据集中的样本（行）数使用 k 倍。例如，如果您有 20 行，则将 k-fold 设置为 20。这也称为留一法交叉验证。
如果您使用的是 JMP Pro，则可以使用验证列，另一种选择是让 JMP 随机选择最多 20% 的数据，然后隐藏并排除所选数据以用作留出集以测试预测能力你的模型。
对于许多预测模型来说，过度拟合是一个真正的问题。检查每个参数的 p 值。对于 JMP，对模型重要的变量的默认 p 值为 0.05。任何高于该值的值都是可疑的，您应该检查模型的预测能力，无论是否使用 p 值高于 0.05 的变量。
另一个表明您可能过拟合的迹象是，如果您的 R 方和 R 方调整值彼此明显不同。如果模型没有过度拟合，这两个值可能会非常接近。还有其他几种检查过度拟合的方法，但以上内容应该可以帮助您确定 JMP 或 minitab 是否为您提供了更好的预测模型。
希望这可以帮助。
最好的，
账单
回复：响应面 VS 混合响应面你好比尔，
你有一个很好的观点。 我怎么知道系统何时过度拟合，何时不过度拟合？ 我也不知道 minitab 是如何做到的。 我在之前的邮件中说过。 我只是选择了教程中描述的默认参数。 有时我同意你的看法，但我无法解决的问题是我有一些 JMP 未评估的参数，例如切割宽度或似乎并不重要。 另一方面，minitab 认为这个因素很重要。这是180度的差异。
此致
回复：响应面 VS 混合响应面感谢您提供的图像，看起来您的 minitab 模型很可能处于过度拟合的情况。JMP 效应汇总基于 p 值和 logworth 值显示模型中最重要和最活跃的因素。根据 JMP 输出，二次效应似乎对最佳整体模型影响不大。我不熟悉 minitab 如何帮助找到他们模型的最重要因素，但这可能是确保您的模型不会过度拟合的好起点。
回复：响应面 VS 混合响应面你好比尔，
是的，我将我的因素从分类因素修改为连续因素并查看结果，但我找不到表面响应的任何差异，请参见附图。 对于您的问题，Minitab 以完全二次方作为默认选项工作，也请参见附图。
此致
回复：响应面 VS 混合响应面如果可以的话，我想补充什么@Dan_Obermiller已经写过了。
您在 JMP 中用于首先分析数据的方法与 minitab 的比较不公平，因为您只有分类因子。您无法使用分类因子估计二次项或平方项，因此没有响应面。这就是 Dan 说要将因子更改为连续因子的原因。使用连续因子，如果它们确实存在并且对模型很重要，您可以获得所需的二次估计。最好查看您的 minitab 模型输出，看看您的模型中是否有任何平方项。如果有，那将有助于解释您最初看到的模型之间的差异。
你分享的最后一张图片看起来你已经接近丹的样子了。
HTH
账单
回复：响应面 VS 混合响应面您好，感谢您提供的表格和反馈。 我查看了您上传的表格和图像，在开发 RMS 表格实验时遇到了一些技术困难。 很简单，因为 O 标记的工具不能超过 1。 这是我们的限制。 我们之前进行了筛选，并确定了操作参数。 事实上，我们开发了所有的实验，我们正在寻求分析数据，并有一些标准化效果的帕累托图，并制作方差分析，看看哪些参数具有最显着的效果。 我还没有尝试过 JMP excel 工具，因为我认为 Fit 模型足够强大，可以做到。 不过，我还有一些疑问。
你的意思是“将它们指定为离散的唯一原因是强制将某些级别纳入设计。 如果你真的想这样做，请指定一个高阶模型和/或使用离散数字选项”
您是如何在拟合模型选项中获得因子 RS 的？
最后，夺回las点，
“请记住，JMP 旨在尽可能创建设计最佳的实验，而不是匹配特定的运行表。 运行表可能不是最佳选择。 让 JMP“创建”表格以匹配 Excel 表格的唯一方法是使用 DOE > Classical > Full Factorial。 指定所有因素并创建设计。 然后您必须手动删除不需要的组合。 请注意，最后一部分必须是手动的，因为如果您不进行该组合，您就不会运行全因子设计。 这就是 JMP 不自动构建该设计的原因。 这就是定制设计的目的：为您的特定情况创建设计，而不是试图强行适应不太合适的设计。”
实际上，我在讨论开始时就这样做了，如果我将结果与 Minitab 进行比较，我发现结果不正确；但是，我记得你告诉我，我只是将 DOE 与模型相匹配。
最好的问候，祝你有美好的一天
回复：响应面 VS 混合响应面感谢您提供文件。 这有很大帮助。
首先，您声明必须复制 Excel 文件。 如果是这样，那么您对创建设计实验并不真正感兴趣。 您有兴趣在 Excel 工作表中运行特定试验。 为什么不直接将 Excel 表格打开到 JMP 中，运行这些试验，输入响应并进行分析？
您总是很难让 JMP 匹配您的 Excel 表，因为 JMP 比运行表做得更好。
我从你的表中看到的几个问题：
指定您的因素时，如果该因素是连续的（例如每齿进给量、切削速度和切削宽度），则将该因素指定为连续因素而不是分类因素。 将它们指定为离散的唯一原因是强制将某些级别纳入设计。 如果您真的想这样做，请指定高阶模型和/或使用离散数值选项。
当我使因子连续（工具名称除外）时，我为仅主效应模型（附加设计）创建了一个 45 次试验设计。 然后，我将 JMP 生成的定制设计与 Excel 表格进行了比较。 JMP 定制设计在所有模型项上具有同等或更好的功效。 对于大部分设计空间，JMP 设计的预测方差低于 Excel 表（在更差的地方，它非常接近）。 我已将结果作为图片附上。 底线是，如果存在更好的设计，JMP 不会为您提供劣质设计。
使用 JMP 以这种方式创建设计确实将因子限制在两个水平。 实验是关于效率的。 做尽可能少的试验来估计你想要的模型。 然后您使用该模型来确定最佳设置。 您无需尝试网格中的每个组合来优化流程。 使用这种方法，因为您只指定了一个主效应模型，所以任何连续因子都不需要超过两个水平。 在两个以上的水平上进行实验是浪费的。
为什么要坚持第三个层次？ 很多时候是因为您期望曲线响应。 因此，用于估计曲率的模型是响应曲面模型。 在 JMP 中，我单击 RSM 按钮以获取响应曲面模型（设计附加为 JMP RSM 设计）。 这将强制使用第 3 级，因为需要它来估计二次效应。 然后，我将这个 45 次运行的自定义 RSM 设计与 Excel 表格进行了比较。 同样，JMP 定制 RSM 设计非常出色，如附图所示。
请记住，JMP 旨在尽可能创建设计最佳的实验，而不是匹配特定的运行表。 运行表可能不是最佳选择。 让 JMP“创建”表格以匹配 Excel 表格的唯一方法是使用 DOE > Classical > Full Factorial。 指定所有因素并创建设计。 然后您必须手动删除不需要的组合。 请注意，最后一部分必须是手动的，因为如果您不进行该组合，您就不会运行全因子设计。 这就是 JMP 不自动构建该设计的原因。 这就是定制设计的目的：为您的特定情况创建设计，而不是试图强行适应不太合适的设计。
您可能希望参加有关实验设计的课程，或者阅读 Goos 和 Jones 撰写的 Optimal Design of Experiments 一书，以获得有关设计创作的更多见解。 希望这有用。
Compare JMP Design to Excel TableCompare JMP Design to Excel Table将 JMP 设计与 Excel 表进行比较
Compare JMP RSM Design to Excel TableCompare JMP RSM Design to Excel Table将 JMP RSM 设计与 Excel 表进行比较
回复：响应面 VS 混合响应面好的，请附上两个数据表，一个是我在 Excel 中制作的，我必须使用 JMP 等统计软件复制和评估，另一个是 JMP 制作的错误的自定义数据表。 我将 0 放入复制框中，我认为它在我之前发布的参数图片中。 正如我在之前的电子邮件中所说，我的目标是复制和评估 excel DOE。 我能做些什么？ 我做了几次测试，很自然地，我可以在 JMP 中找到可以解决我的问题的东西。 是的，你是对的。 客户设计中没有全阶乘的选项，但我这样做是因为我颠倒了阶乘的顺序以便使用限制性 DOE 评估
Besr 问候，祝你度过愉快的一周
回复：响应面 VS 混合响应面阿奇，
您不应共享图片，而应共享 JMP 数据表。 这将有必要的信息来确定哪里出了问题。 从您提供的捕获中，我没有注意到重复运行（我没有详细查看每一行）。 但是，如果有，那是因为定制设计算法已确定重复某些试验比新设计点更能提供模型估计信息。 定制设计根据您指定的型号选择设计。 其中，在您的一个屏幕截图中，您只指定了一个主要效果模型——没有交互。 对于该模型，您不需要 45 次试验，但由于您要求那么多试验，JMP 可能会重复一些试验。
您还表示，当“在定制设计中指定完整的阶乘选项”时，您会得到这些重复。 定制设计中没有“全因子选项”。
回复：响应面 VS 混合响应面即使在定制设计中选择全阶乘，我也得到了重复值。 你能告诉我这是为什么吗？
回复：响应面 VS 混合响应面更新信息：即使对于三个因素，我也有一些重复参数。 有没有办法阻止重复值？ 上传图片
3 factors3 factors3个因素
回复：响应面 VS 混合响应面更新信息：即使对于三个因素，我也有一些重复参数。 有没有办法阻止重复值？ 上传图片
3 factors3 factors3个因素
回复：响应面 VS 混合响应面您好，我阅读了教程并做了一个带有不允许组合的自定义设计，老实说，我不知道为什么它给了我一个奇怪的表格，其中有一些重复值，有时还有一些遗漏值，我测试了太和切割宽度的组合并且效果很好，然后我尝试了工具，切割宽度和切割速度也还可以：但是，当我一起做这 4 个时，它开始了灾难并发现了一些重复的值和一些遗漏的值。 你能告诉我为什么吗，我发布了所有参数和表格。请问你能帮帮我吗？
此致
DOEDOE美国能源部
ParametersParameters参数
回复：响应面 VS 混合响应面您不会想要全因子设计，因为您无法完成它。 带有不允许组合的自定义设计将是更好的选择。 您应该参考“帮助”菜单下“书籍”部分中的实验设计指南。
另请注意，您将无法估计刀具和切削宽度之间的相互作用，因为您不会运行所有这些组合。 该术语不应出现在您的模型中。
回复：响应面 VS 混合响应面更新信息：与上一封电子邮件相关，我将我的 DOE 分成两个全阶乘，一个 DOE 的切割宽度为 1，另一个 DOE 的切割宽度为 4.3，我这样做是为了使我的响应符合 DOE 模型并得到以下是切割宽度 1 的结果，但它不起作用，因为我也对该响应感兴趣
FirstFirst第一的
Result 2Result 2结果 2
ResultResult结果
回复：响应面 VS 混合响应面我怎样才能得到我想要的 DOE？让我更好地解释一下我正在使用加工参数，所以我有三个工具，其中两个可以在 tu 条件示例 1 和 5 中切割，但一个工具是特殊情况，所以它只能在 1 处切割，这就是原因我只是将 5 的部分从一个工具的全阶乘中删除。 我如何开发具有这种特性的 DOE？
此致
Desired DOEDesired DOE期望的实验设计
回复：响应面 VS 混合响应面您设计了全析因，但没有完成全析因。 这可能会导致您产生令人困惑的结果。 未完成某些运行不等同于定制设计。 定制设计最适合指定的模型。 缺少一些试验实际上可能导致一些模型项不可估计。
如果不了解数据，就无法回答与模型窗口的混淆。
正如我在第一篇文章中所说，混合响应曲面模型仅在具有混合因子时才使用。 您可以忽略它，因为它不适用于您的情况。 如果你使用它，你基本上是在拟合一个无截距模型，它完全改变了你模型的所有数学和解释。 不要使用它。
从您的 Pareto 屏幕截图中，似乎没有测试最后一项（效果缺失值）。 这让我相信你错过的跑步不允许你适应你想要的模型。 您是否在 JMP 报告中看到“奇点详细信息”部分？ 如果是这样，那我是对的。 您需要构建一个模型，您的数据将允许您进行估算。
最后，JMP 中的默认响应曲面模型是默认的，因为它是与您的全因子设计关联的模型。 您没有运行完整的设计。 因此，该模型可能不正确。 你改变了设计，你需要改变你的模型，因为这些东西在一起。
回复：响应面 VS 混合响应面它做了一个完整的阶乘，但我删掉了一部分，因为一个参数在我的实验中没有用。 它更像是一个定制的 DOE（我的 DOE 是全阶乘 3x2x3x3=54 测试，但我做了 45。）并且它是在 JMP 中创建的。 我的疑问是在拟合模型部分，更具体地说是在构建模型效果部分，见图。 默认选项是响应面，但显然结果与 Minitab 不同，所以我开始玩，发现混合响应面是最接近的结果，我的问题是为什么会这样？ 两者有什么区别？ 你有电子邮件给你发送我的数据吗？
Fit Model DialogFit Model Dialog拟合模型对话框
回复：响应面 VS 混合响应面我在几个方面有点困惑。
请解释创建了什么设计。 它是在 JMP 中创建的吗？
是混料设计吗？ 混料设计有一个约束条件，即部分或所有因素加起来达到特定数量，通常为 1。 如果不是这种情况，请忽略混合响应曲面选项。
你能分享数据吗？
我也猜测，因为您有多个响应，所以 JMP 拟合模型对话框包含对话框的 Y 角色中列出的所有响应。 如果是这种情况，那么您显示的效果汇总表实际上列出了所有响应中每个模型项的最低 p 值。 （一个常见的混淆点）。
此讨论板上的人会很乐意提供帮助，但我们确实需要更多详细信息才能提供帮助。
