Regressionsfunktionen in JMPGibt es in JMP bereits vorhandene Funktionen für einige der von den Plattformen „Fit Y by X“ oder „Fit Curve“ durchgeführten Regressionen?
Wenn ich für den Großteil meines Codes die Parameter für ein 3P- oder 2.-Ordnungs-Polynom usw. benötige, rufe ich die Plattform in JMP mit einer BY-Variable auf und erstelle dann eine kombinierte Datentabelle. Der einzige Nachteil ist jedoch, dass JMP die Grafiken rendern „muss“, um die Datentabelle zu erfassen …
Nun, bei größeren Daten ist die BY-Variable viel zu groß und JMP stürzt entweder ab, hat nicht genügend RAM oder es treten andere Probleme auf, wenn versucht wird, diesen Vorgang auszuführen (einer meiner größeren Sets 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 Datensatz separat aufzurufen. Ich bin mir nicht sicher, ob das schneller wäre oder nicht … Idealerweise 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 kontrollierbar …
Zusammenfassen:
1) Verfügt JMP über Funktionen, mit denen Parameterkoeffizienten für andere Zwecke als die einfache lineare Regression berechnet werden können?
2) Wenn nicht, gibt es bessere Möglichkeiten, meine Ziele innerhalb der aktuellen JMP-Plattformen zu erreichen?
3) Gibt es JSL-Funktionen, die Leute entwickelt haben, die verschiedene Regressionen durchführen und die Koeffizienten zurückgeben können?
Danke!
Konsumenten- und MarktforschungDatenexploration und -visualisierungRe: Regressionsfunktionen in JMPIch hatte nicht @Dan_Obermiller Das ist auch eine gute Idee!
Re: Regressionsfunktionen in JMPHaben Sie erwogen, „Modell anpassen“ mit dem Schwerpunkt „Minimaler Bericht“ zu verwenden? Es gibt dort keine Grafiken zum Rendern.
Re: Regressionsfunktionen in JMP@txnelson Ja, ich habe in der Vergangenheit damit gespielt, und das Unsichtbarmachen der Tabelle schien den Bericht nicht auch unsichtbar oder privat zu machen ... Ich denke, den Bericht privat zu haben, wäre auch eine Problemumgehung, um den Aufwand für das Rendern der Grafiken zu vermeiden.
Re: Regressionsfunktionen in JMPIch hätte ausdrücklich darauf hinweisen 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.
Re: Regressionsfunktionen in JMPDanke an alle bisher für ihre Kommentare. Lassen Sie mich versuchen, einige zu klären. Grundsätzlich habe ich einen Datensatz, der ~ 40.000 Teilmengen enthält. Um Regressionsparameter zu erhalten, würde ich normalerweise eine Kurve anpassen oder Y nach X anpassen und die BY-Variable in der Plattform verwenden, um die Diagramme in die Teilmengen aufzuteilen, und dann meine Linie anpassen (in diesem Fall ein Polynom 2 3P). Soweit 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 Overhead 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 der gewünschten Anpassung erzeugt.
Re: Regressionsfunktionen in JMPNichtlineare Plattform kann Parameter für frei definierbare Formeln anpassen.
Bitte prüfen Sie die entsprechende Dokumentation.
Re: 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 indem Sie jeweils eine Anzeige generieren, das Gewünschte extrahieren, es in einer Tabelle, einer Liste oder einer Matrix 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;
Re: Regressionsfunktionen in JMPEcho @P_Bartel Es gibt viele Möglichkeiten, Daten zu modellieren. Bezüglich Nr. 2, Ich verstehe nicht, was dein Ziel ist? Es hört sich so an, als wollten Sie Polynome > 1. Ordnung erstellen. Ist das 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 „? Welche Plattform?
Nicht zu sein streitlustig, aber Sie erkennen den Grund, warum lineare Regression genannt wird linear liegt daran, dass die Koeffizienten linear sind, nicht die Terme im Modell.
Re: Regressionsfunktionen in JMPEs gibt viele verwirrende oder unklare Punkte in Ihrem ursprünglichen Beitrag. Anstatt sie zu analysieren, konzentriere ich meine Kommentare auf Frage Nr. 1. Antwort: Ja. Haben Sie sich die JMP-Dokumentation angesehen? Es gibt buchstäblich Dutzende von Regressions- und Nicht-Regressionsmethoden in JMP ... von der guten altmodischen gewöhnlichen Methode der kleinsten Quadrate über elegantere/flexiblere allgemeine lineare Modelle bis hin zu vollständig nichtlinearen/nicht regressionsbasierten Methoden wie den Plattformen Partition und Neural Network .
