Sto riscontrando un problema con la piattaforma Fit Model (JMP 14.3). Quando eseguo il modello di adattamento attraverso la finestra della piattaforma per un'analisi specifica, ne occorreranno circa 10 secondi completare. Tuttavia, se copio lo script e lo eseguo nuovamente sulla stessa tabella, ne occorreranno quasi 10 minuti completare. Ci vuole ancora più tempo se converto lo script in una stringa e utilizzo il metodo Eval (Parse ()). Qualcun altro ha mai provato questo?
Innanzitutto, Fit Model non è una piattaforma. È una finestra di dialogo di avvio per molte piattaforme come Adatta i minimi quadrati o Regressione logistica nominale. Quale piattaforma stai attualmente utilizzando?
Secondo, puoi condividere lo script per questo lancio? È difficile determinare la causa principale del problema in quanto vi sono molte cose che possono influire sul tempo di esecuzione.
Non ho riscontrato nulla di simile a questa differenza nel tempo di esecuzione, ma potrebbe esserci qualcun altro.
Non sono chiaro sul gergo di JMP, scusa. Per rispondere alla tua prima domanda, sto cercando di usare il Personalità dei minimi quadrati standard. Non sono sicuro che cambi le cose, ma è definito come "La personalità dei minimi quadrati standard all'interno della piattaforma del modello adatto".
Ecco lo script che sto usando:
Function = Function(
{dt = Current Data Table(), by = {:Name( "FileName" ), :Name( "Wafer#" ), :Name( "Shot#" )}, y = {:X_Mesr,
:Y_Mesr}, effects = {:Name( "X" ), :Name( "Y" )}, where = ":Filter == \!"Filter\!""},
a = "Data Table( " || Char( dt ) || " ) << Fit Model(
By( Eval( " || Char( by ) ||
" ) ),
Y( Eval( " || Char( y ) || " ) ),
Effects( Eval( " || Char( effects ) ||
" ) ),
Center Polynomials( 0 ),
Personality( \!"Standard Least Squares\!" ),
Emphasis( \!"Effect Leverage\!" ),
Where( Eval("
|| Char( where ) || " ) ), ";
b = "";
For( i = 1, i <= N Items( y ), i++,
b1 = Char(
"" || Char( y[i] ) ||
" << {Summary of Fit( 1 ), Analysis of Variance( 1 ), Parameter Estimates( 1 ), Lack of Fit( 0 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 1 ), Plot Regression( 0 ), Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 0 ),
Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 ), Prediction Formula( 1 ),
Residuals( 1 )},"
);
b = b || b1;
);
c = "Run( " || b || " )";
d = a || c;
Show( d );
Eval( Parse( d ) );
)
