Funzioni di regressione in JMPEsistono funzioni preesistenti in JMP per alcune delle regressioni eseguite dalle piattaforme Stima Y per X o Stima curva?
Per la maggior parte del mio codice, quando desidero i parametri per un polinomio 3P o del 2° ordine, ecc. chiamerò la piattaforma in JMP con una variabile BY e quindi "creerò una tabella dati combinata". Tuttavia, l'unico svantaggio è che JMP "ha bisogno" di eseguire il rendering della grafica per acquisire la tabella dati...
Bene, con dati più grandi, la variabile BY è troppo grande e JMP muore, esaurisce la RAM o presenta 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 "soluzione" sarebbe semplicemente rimuovere by e chiamare la piattaforma in un ciclo FOR per ciascuno dei set di dati separatamente. Non sono sicuro che sarebbe più veloce o meno... Idealmente, potrei creare una singola matrice o una serie di matrici e ottenere rapidamente i parametri per ciascun set di dati. Questo potrebbe essere codificato in una funzione di livello JSL, ma se le funzioni esistono in JMP, il sovraccarico sarebbe meglio controllato...
Riassumere:
1) JMP dispone di funzioni esistenti in grado di calcolare i coefficienti dei parametri per qualsiasi cosa oltre la regressione lineare di base
2) In caso negativo, esistono modi migliori per raggiungere i miei obiettivi all'interno delle attuali piattaforme JMP?
3) Esistono funzioni JSL create dalle persone che possono eseguire varie regressioni e restituire i coefficienti
Grazie!
Ricerche sui consumatori e sul mercatoEsplorazione e visualizzazione dei datiRi: Funzioni di regressione in JMPNon l'avevo fatto @Dan_Obermiller Anche questa è una buona idea!
Ri: Funzioni di regressione in JMPHai preso in considerazione l'utilizzo di Fit Model con l'enfasi sul rapporto minimo? Non ci sono elementi grafici da renderizzare.
Ri: 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 rapporto... Penso che avere il rapporto privato sarebbe anche una soluzione per evitare il sovraccarico del rendering della grafica.
Ri: Funzioni di regressione in JMPAvrei dovuto dichiarare 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 "Invisibile" è un suggerimento per ridurre i requisiti di memoria per la creazione di tabelle di dati di output.
Ri: Funzioni di regressione in JMPGrazie a tutti finora per i loro commenti. Provo a chiarirne alcuni. Fondamentalmente, ho un set di dati che contiene ~ 40.000 sottoinsiemi. In genere per ottenere i parametri di regressione andrei a Fit Curve o Fit Y by X e utilizzerei la variabile BY nella piattaforma per suddividere i grafici nei sottoinsiemi e quindi adattare la mia linea (in questo caso un polinomio di 2° ordine, ma altre volte un 3P). Da quello che ho visto, Fit Curve e Fit Y by X devono eseguire il rendering di tutta la grafica per creare le linee e salvare i parametri, con un costo molto elevato.
Non ero sicuro che ci fosse un modo per fare questo genere di cose senza rendere la grafica - come una funzione autonoma che produceva solo i parametri dall'adattamento desiderato.
Ri: Funzioni di regressione in JMPLa piattaforma non lineare può contenere parametri per formule liberamente definibili.
Si prega di consultare la documentazione corrispondente.
Ri: Funzioni di regressione in JMPPiuttosto che forzare JMP a creare una tabella di dati dall'output del display, ho scoperto che molte volte è più semplice 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 scorrere 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 chiudendo l'output e passando alla successiva regressione.
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;
Ri: Funzioni di regressione in JMPEcheggiante @P_Bartell ci sono molte opzioni per modellare i dati. Per quanto riguarda il numero 2, non capisco quale sia il tuo obiettivo? Sembra che tu voglia creare> polinomi di primo ordine. Proviene 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 la regressione lineare lineare è perché i coefficienti sono lineari, non i termini nel modello.
Ri: Funzioni di regressione in JMPCi sono molti punti confusi o poco chiari nel tuo post originale. Quindi, piuttosto che 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 .
