Regressionsfunktionen in JMPGibt es in JMP bereits Funktionen für einige der von Fit Y by X oder den Fit Curve-Plattformen durchgeführten Regressionen?
Für den größten Teil meines Codes, wenn ich die Parameter für ein 3P- oder Polynom 2. Ordnung usw. haben möchte. Ich werde die Plattform in JMP mit einer BY-Variablen aufrufen und dann 'kombinierte Datentabelle erstellen'. Der einzige Nachteil ist jedoch, dass JMP die Grafiken "rendern" muss, um die Datentabelle abzurufen ...
Nun, bei größeren Datenmengen ist die BY-Variable viel zu groß und JMP stirbt entweder ab, hat nicht mehr genügend RAM oder es treten andere Probleme auf, wenn versucht wird, diese Operation auszuführen (einer meiner größeren Sätze hat eine BY-Variable mit etwa 40.000 eindeutigen Werten).
Eine 'Lösung' wäre, einfach das By zu entfernen und die Plattform in einer FOR-Schleife für jeden der Datensätze separat aufzurufen. Ich bin mir nicht sicher, ob das schneller gehen würde oder nicht ... Im Idealfall könnte ich eine einzelne Matrix oder eine Reihe von Matrizen erstellen und schnell Parameter für jeden Datensatz abrufen. Dies könnte in eine JSL-Layer-Funktion codiert werden, aber wenn Funktionen in JMP vorhanden sind, wäre der Overhead besser zu steuern ...
Zusammenfassen:
1) Verfügt JMP über vorhandene Funktionen, mit denen Parameterkoeffizienten für alles berechnet werden können, was über die grundlegende lineare Regression hinausgeht?
2) Wenn nicht, gibt es bessere Möglichkeiten, meine Ziele auf aktuellen JMP-Plattformen zu erreichen?
3) Gibt es JSL-Funktionen, die von Menschen erstellt wurden und die verschiedene Regressionen durchführen und die Koeffizienten zurückgeben können?
Vielen Dank!
AnalytikSkriptingBetreff: Regressionsfunktionen in JMPEs gibt viele verwirrende oder unklare Punkte in Ihrem ursprünglichen Beitrag. Anstatt sie zu analysieren, werde ich meine Kommentare auf Frage 1 konzentrieren. Antwort: Ja. Haben Sie sich die JMP-Dokumentation angesehen? Es gibt buchstäblich eine Vielzahl von Regressions- und Nichtregressionsmethoden in JMP ... von guten, altmodischen gewöhnlichen kleinsten Quadraten über elegantere / flexiblere allgemeine lineare Modelle bis hin zu vollständig nichtlinearen / nicht regressionsbasierten Methoden wie den Plattformen Partition und Neural Network .
Betreff: Regressionsfunktionen in JMPEcho @P_Bartell Es gibt viele Möglichkeiten, Daten zu modellieren. In Bezug auf # 2, Ich verstehe nicht, was dein Ziel ist? Es hört sich so an, als ob Sie Polynome 1. Ordnung erstellen möchten. Ist dies aus Beobachtungsdaten oder aus einem Experiment? Ich verstehe nicht, was du meinst, wenn du sagst " Ich werde die Plattform in JMP mit einer BY-Variablen aufrufen "? Welche Plattform?
Nicht zu sein kriegerisch, aber Sie erkennen, warum lineare Regression genannt wird linear Dies liegt daran, dass die Koeffizienten linear sind und nicht die Terme im Modell.
Betreff: Regressionsfunktionen in JMPAnstatt JMP zu zwingen, eine Datentabelle aus der Anzeigeausgabe zu erstellen, habe ich festgestellt, dass es oft einfacher ist, direkt zur gewünschten Tabelle zu gehen und die einzelnen Werte zu extrahieren.Diese Technik kann verwendet werden, um entweder die gesamte Ausgabe mit einer By-Klausel zu generieren und dann die Anzeige zu durchlaufen, oder um jeweils eine Anzeige zu generieren, das gewünschte zu extrahieren, es in einer Tabelle, einer Liste oder einer Matrix zu speichern und Schließen Sie dann die Ausgabe und fahren Sie mit der nächsten Regression fort.
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/semiconductor capability.jmp" );
biv = dt << Bivariate(
invisible,
Y( :NPN1 ),
X( :PNP1 ),
Fit Special( Degree( 2 ), Centered Polynomial( 0 ), {Line Color( "Medium Dark Red" )} ),
by( :site ) // Where( :SITE == 1 )
);
dtOut = New Table( "The Ouput",
New Column( "Name", character ),
New Column( "Intercept" ),
New Column( "Beta" ),
New Column( "Beta^2" )
);
dtOut << add rows( N Items( biv ) );
For( i = 1, i <= N Items( biv ), i++,
dtOut:Name[i] = Word( -1, Report( biv[i] )[Outline Box( 1 )] << get title, " " );
values = (Report( biv[i] )["Parameter Estimates"][Number Col Box( 1 )]) << get;
dtOut:Intercept[i] = values[1];
dtOut:Beta[i] = values[2];
dtOut:Name( "Beta^2" )[i] = values[1];
);
biv << close window;
Betreff: Regressionsfunktionen in JMPNichtlineare Plattformen können Parameter für frei definierbare Formeln anpassen.
Bitte überprüfen Sie die entsprechende Dokumentation.
Betreff: Regressionsfunktionen in JMPVielen Dank an alle bisher für ihre Kommentare. Lassen Sie mich versuchen, einige zu klären. Grundsätzlich habe ich einen Datensatz, der ~ 40k Teilmengen enthält. Um Regressionsparameter zu erhalten, würde ich normalerweise eine Anpassungskurve oder eine Anpassung Y nach X verwenden und die BY-Variable in der Plattform verwenden, um die Diagramme in Teilmengen aufzuteilen und dann meine Linie anzupassen (in diesem Fall ein Polynom 2. Ordnung, aber manchmal a 3P). Nach dem, was ich gesehen habe, müssen Fit Curve und Fit Y by X alle Grafiken rendern, um die Linien zu erstellen und die Parameter zu speichern, was viel Aufwand kostet.
Ich war mir nicht sicher, ob es eine Möglichkeit gibt, so etwas zu tun, ohne die Grafiken zu rendern - wie eine eigenständige Funktion, die nur die Parameter aus der gewünschten Anpassung erzeugt.
Betreff: Regressionsfunktionen in JMPIch hätte ausdrücklich sagen sollen, dass mir keine direkte Funktion zum Erstellen der gewünschten Polynom- oder 3P-Parameter bekannt ist.Mein Vorschlag, die Ergebnisse direkt aus der "unsichtbaren" Ausgabe zu erhalten, ist ein Vorschlag, den Speicherbedarf beim Erstellen von Ausgabedatentabellen zu reduzieren.
Betreff: Regressionsfunktionen in JMP@ txnelson Ja, ich habe in der Vergangenheit damit gespielt, und die Unsichtbarkeit des Tisches schien den Bericht nicht unsichtbar oder privat zu machen ... Ich denke, den Bericht privat zu haben, wäre auch eine Lösung, um den Aufwand für das Rendern der Grafiken zu vermeiden.
