1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合こんにちは、私は 86 コンポーネントの予測プロファイラーを 1 応答 "IVCC" の効果について生成しようとしています。 Analyze メニューの Fit Model ツールを使用しました。1 つの応答は IVCC で、ファイル内の「Glycine」から「Vitamin D12」までの範囲の 86 の応答がありました。 結果の予測プロファイラーと分析ウィンドウでの望ましさの最大化は、予測された応答の値を出力できますが、予測曲線は生成されません。 このデータをより適切に分析する方法について、誰かアイデアがありますか? 私の最終的な目標は、「IVCC」を最大化する 86 のコンポーネントのそれぞれの値を決定することです。 ありがとう！
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合素晴らしい会話。
私はジュリアンに同意します。 Generalized Regression Techniques (以下のリンク) は、観測よりも多くの変数を含むデータ セットに関連する課題に対処します。
( https://www.jmp.com/support/help/14-2/generalized-regression.shtml )
これらの手法のうちの 2 つである Lasso と Elastic Net は、JMP Pro で使用できるモデリング手順の一部として変数選択を実行します。
あなたの幸せを願って一般化されたJMP Proを使用した回帰
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合変数選択のメソッドに関しては、PLS と Tree メソッドはかなり良い仕事をします。 JMP Pro にアクセスできる場合は、一般化回帰を使用する他の非常に優れたオプションがいくつかあります。
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合こんにちはByron_JMP、私を正しい方向に向けてくれてありがとう！
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合助けてくれてありがとうジュリアン！ あなたの洞察は、私の状況を診断するのに非常に役立ちます。 Partial Least Squares と変数選択も使用してみます。 ありがとう！Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合こんにちは、スタットマン、助けてくれてありがとう！ 86 個のコンポーネントは入力変数です。混乱して申し訳ありません。 最も重要なものをスクリーニングして、問題が軽減されるかどうかを確認します。Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合返信ありがとうございます。 理想的には 86 個のエフェクトが必要です。 ヒントをありがとう、スケールを調整しようとします。 アドバイスありがとうございます！Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合好き@ジュリアンの答え、それは良い方法です。
おそらく、Analyze>Screening>Predictor Screening を使用して、適切な候補パラメーターのリストを絞り込むでしょう。 数行のデータしかないので、このプラットフォームを複数回実行して、安定した予測子のセットが得られるかどうかを確認することをお勧めします。 応答がほとんどノイズである場合、一連の予測子は実行ごとにかなりランダムになります。
または、パーティション プラットフォーム (一度に 1 つのツリー) も、応答の主要な要因を把握するための良い方法です。
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合やあ@ジョンレッド、
使用可能な自由度よりも多くのパラメーターを推定するモデルがあるため、予測プロファイラーで期待する結果が表示されていないようです。 適合モデル レポートの上部にある「特異点の詳細」セクションは、これを示しています。
つまり、必要なだけ複雑なモデル (86 個の変数の効果とモデル切片の推定) を適合させるには、15 行を超えるデータが必要になります。
別の方法は、使用したい変数の数よりも少ないデータを許容するモデルを使用することです (たとえば、部分最小二乗法)、または変数選択を行って X の変数のセットを減らします。
これが役立つことを願っています！
@ジュリアン
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合申し訳ありませんが、私はあなたの投稿に少し混乱しています。 86 個のコンポーネントは入力変数 (x) ですか、それとも応答変数 (y) ですか?
「1応答「IVCC」の効果に関する86成分」それらは x であることを示唆していますが、" 1 件の反応が IVCC で、86 件の反応が範囲内にある..." は、それらが Y であることを示唆しています。 そんなに多くの Y がある場合は、最初にどれが相関しているかを調べます (多変量法>多変量)。 それらが x である場合、効果の希少性の原則に基づいて、最初に 86 のコンポーネントをスクリーニングして、どのコンポーネントが最も重要かを判断します (これらは 1 番目にすぎません)。順序効果?)。 これを行うには多くの方法があります (仮説から始めます)。 重要な要因を特定したら、予測式が役立ちます。 86 個の変数を同時に制御/管理することは事実上不可能だと思います (各 x に関連する測定誤差を考えてみてください)。
Re: 1 つの応答に対する 86 の効果のモデル予測プロファイラーの適合予測プロファイラーは、モデルを選択した後に最も役立ちます。 モデルには 86 個のフィーチャが必要ですか?
また、応答軸を自動的にスケーリングするアルゴリズムは非常に優れていますが、絶対確実ではありません。 特に望ましさを最大化した後は、プロファイルを表示するためにスケールを変更する必要がある場合があります。
