Funzioni di regressione in JMPEsistono funzioni preesistenti in JMP per alcune delle regressioni eseguite da Fit Y by X o dalle piattaforme Fit Curve?
Per la maggior parte del mio codice, quando voglio i parametri per un polinomio 3P o 2 ° ordine, ecc. Chiamerò la piattaforma in JMP con una variabile BY e quindi "crea una tabella dati combinata". Tuttavia, l'unico svantaggio è che JMP "ha bisogno" di eseguire il rendering della grafica per acquisire la tabella dei dati ...
Bene, con dati più grandi, la variabile BY è troppo grande e JMP muore, esaurisce la RAM o ha altri problemi quando si tenta di eseguire questa operazione (uno dei miei set più grandi ha una variabile BY con circa 40k valori univoci).
Una `` correzione '' sarebbe semplicemente rimuovere il by e chiamare la piattaforma in un ciclo FOR per ciascuno dei set di dati separatamente. Non sono sicuro che sarebbe più veloce o no ... Idealmente, potrei creare una singola matrice o una serie di matrici e ottenere rapidamente i parametri per ogni set di dati. Questo potrebbe essere codificato in una funzione di livello JSL, ma se le funzioni esistono in JMP, l'overhead sarebbe controllato meglio ...
Riassumere:
1) JMP dispone di funzioni esistenti in grado di calcolare i coefficienti dei parametri per qualsiasi cosa oltre alla regressione lineare di base
2) In caso negativo, esistono modi migliori per raggiungere i miei obiettivi nelle attuali piattaforme JMP?
3) Esistono funzioni JSL create da persone che possono eseguire varie regressioni e restituire i coefficienti
Grazie!
AnalyticsScriptingOggetto: funzioni di regressione in JMPCi sono molti punti confusi o poco chiari nel tuo post originale. Quindi, invece di analizzarli, concentrerò i miei commenti sulla domanda n. 1. Risposta: sì. Hai dato un'occhiata alla documentazione di JMP? Ci sono letteralmente decine di metodi di regressione e non regressione in JMP ... che vanno dai buoni minimi quadrati ordinari vecchio stile, a modelli lineari generali più eleganti / flessibili, a metodi completamente non lineari / non basati sulla regressione come le piattaforme Partition e Neural Network .
Oggetto: funzioni di regressione in JMPEco @P_Bartell ci sono molte opzioni per modellare i dati. Per quanto riguarda # 2, Non capisco qual è il tuo obiettivo? Sembra che tu voglia creare> polinomi di primo ordine. È da dati osservativi o da un esperimento? Non capisco cosa intendi quando dici " Chiamerò la piattaforma in JMP con una variabile BY "? Quale piattaforma?
Non essere belligerante, ma ti rendi conto del motivo per cui viene chiamata regressione lineare lineare è perché i coefficienti sono lineari, non i termini nel modello.
Oggetto: funzioni di regressione in JMPPiuttosto che costringere JMP a creare una tabella dati dall'output di visualizzazione, ho riscontrato che molte volte è più facile andare direttamente alla tabella di interesse ed estrarre i singoli valori.Questa tecnica può essere utilizzata per generare tutto l'output con una clausola By e quindi passare attraverso il display, oppure generando un display alla volta, estraendo ciò che si desidera, salvandolo in una tabella o in un elenco o in una matrice e quindi chiudere l'output e passare alla regressione successiva.
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;
Oggetto: funzioni di regressione in JMPLa piattaforma non lineare può adattare parametri per formule definibili liberamente.
Si prega di consultare la documentazione corrispondente.
Oggetto: funzioni di regressione in JMPGrazie a tutti finora per i loro commenti. Vorrei provare a chiarirne alcuni. Fondamentalmente, ho un set di dati che contiene ~ 40k sottoinsiemi. In genere per ottenere i parametri di regressione, userei una curva di adattamento o una stima Y per X e userò la variabile BY nella piattaforma per rompere i grafici nei sottoinsiemi e quindi adattare la mia linea (in questo caso un polinomio di 2 ° ordine, ma altre volte a 3P). Da quello che ho visto Fit Curve e Fit Y by X necessitano di renderizzare tutta la grafica per creare le linee e salvare i parametri, costando parecchio overhead.
Non ero sicuro che ci fosse un modo per fare questo genere di cose senza rendere la grafica - come una funzione stand alone che produceva solo i parametri dall'adattamento desiderato.
Oggetto: funzioni di regressione in JMPAvrei dovuto affermare esplicitamente che non sono a conoscenza di una funzione diretta per creare i parametri Polinomiali o 3P desiderati.Il mio suggerimento di ottenere i risultati direttamente dall'output "Invisible" è un suggerimento per ridurre i requisiti di memoria per la creazione di tabelle di dati di output.
Oggetto: funzioni di regressione in JMP@txnelson Sì, ci ho giocato in passato e rendere invisibile il tavolo non sembrava rendere invisibile o privato anche il report ... Penso che avere il report privato sarebbe anche una soluzione per evitare il sovraccarico di rendering della grafica.
