범주형 변수에 대한 모수 추정치 해석저는 몇 가지 활성 효과만 있는 모델을 가지고 있습니다. 즉, 표의 세 가지 주요 효과입니다. epsilon_r^n 및 Rt^n은 연속형 변수이지만 E^n은 -1과 +1 값을 가질 수 있는 범주형 변수입니다.
예측 프로파일러에서 세 가지 경우 모두 독립 변수의 값이 높을수록 예측된 N25가 낮아진다는 것이 분명합니다(물리적 관점에서도 예상됨).
그렇다면 왜 epsilon_r^n 및 Rt^n에 대한 추정 계수는 음수이지만 E^n에 대한 계수는 양수입니까? 매개변수 테이블의 "[-1 -1]" 표현식을 어떻게 해석해야 합니까?
모델을 데이터 테이블에 저장하면 다음 모델 공식에 액세스할 수 있습니다.
따라서 E^n의 값이 높을수록(예: 1) 공식에서 값이 낮아집니다(예: 0). 매개변수 추정 테이블에서 이 정보를 어떻게 얻어야 하는지 잘 모르겠습니다. 이것을 나에게 설명해줄 수 있는 사람이 있나요?
데이터 탐색 및 시각화대량 맞춤화Re: 범주형 변수에 대한 모수 추정치의 해석매개변수 추정치에 대한 표준 오류 열을 주시해야 한다고 언급하는 것을 잊었습니다. 이 값의 크기가 모수 추정치의 크기보다 크면 모수 추정치가 0에 가깝고 실제로 모델에 크게 기여하지 않는다는 표시입니다.Re: 범주형 변수에 대한 모수 추정치의 해석안녕 @matthias_bruchh님 ,
도움이 되길 바랍니다. 경험적 모델을 개발할 때 실제로 고려해야 할 사항을 결정하는 것은 때때로 압도적일 수 있습니다.
데이터는 모두 DOE에서 가져오므로 자동 검증 접근 방식을 사용하면 다양한 플랫폼에서 이 작업을 수행하여 주요 요인이 얼마나 안정적인지 확인할 수 있습니다. 예를 들어, 표준 최소 제곱, GenReg, Gen Lin 모델, PLS 등을 수행할 수 있습니다. GenReg를 선택하는 경우 추정 방법을 선택할 때 처음 5개의 옵션이 실제로 DOE에 유효한 유일한 옵션이라는 점에 유의하십시오. 다른 옵션(Lasso, EN 등)은 감독되지 않은 머신 러닝에 더 적합하며 귀하가 추구하는 것이 아니라고 생각합니다. 부스트된 트리 또는 부트스트랩 포리스트 모델을 수행할 때 열 기여 SS(또는 부분)의 시뮬레이션 및 부트스트래핑을 수행할 수도 있습니다. 다시 말하지만, 결정 트리가 null 요소에서 더 자주 분할하기로 결정하면 null 요소가 완전히 임의적일 뿐만 아니라 데이터와 직교하기 때문에 모델에서 무의미한 아래 요소를 알 수 있습니다.
분석에 행운을 빕니다!
DS
Re: 범주형 변수에 대한 모수 추정치의 해석DS님, 감사합니다.
나는 이것을 볼 것이다. 그리고 네, 데이터는 DOI에서 나옵니다. (실제로 3개의 DOI에서. 이 프로젝트는 연속적인 3단계로 구성되었습니다. 제약 조건이 많고 (당시에는) JMP의 "증강 설계" 기능으로 구현할 수 없었기 때문에 이를 위해 3개의 독립적인 DOI를 만들었습니다.)Re: 범주형 변수에 대한 모수 추정치의 해석안녕 @matthias_bruchh님 ,
서수로의 변경이 효과가 있고 도움이 되어서 다행입니다.
이론적 모델에 관한 한 함수가 있는 경우 열 속성의 "수식" 기능을 사용하여 예측 변수를 기반으로 열을 "프로그래밍"할 수 있습니다. 그러나 이론적 모델이 없는 것 같습니다.
추정치를 부트스트랩하려면 JMP 보고서에서 열 추정치를 마우스 오른쪽 버튼으로 클릭한 다음 부트스트랩을 선택합니다. 빠르면 5000 정도를 넣고 느리면 2500으로 두십시오. 상자를 선택하십시오 " 분수 가중치. 맞춤을 여러 번 다시 실행한 다음 예측 변수의 각 계수에 대한 값 분포를 제공합니다(출력 데이터 테이블에서 "분포" 스크립트를 실행하기만 하면 됩니다. 그런 다음 분포 및 통계가 표시되면 요약 통계를 마우스 오른쪽 버튼으로 클릭하고 "결합된 데이터 테이블로 만들기"를 선택할 수 있습니다. 또한 0이 아닌 비율을 표시하도록 요약 통계를 사용자 지정해야 합니다.
결합된 데이터 표에는 추정치에 대한 평균과 0이 아닌 비율이 포함됩니다. 여기에서 평균(일반적인 값)과 추정치가 0이 아닌 빈도(백분율)를 확인할 수 있습니다. 해당 숫자가 작으면 추정치는 종종 0입니다. 크면 대부분 0이 아닙니다. 이는 모델에 필요하거나 필요하지 않은 항과 혼합 항을 결정하는 좋은 방법입니다.
"시뮬레이션"을 선택할 수도 있지만 이렇게 하려면 모델에서 사용한 수식 열로 교체하기 위해 데이터 테이블의 다른 수식 열이 필요합니다. 이것은 좀 더 관련이 있습니다. 자동 검증 Gotwalt와 Ramsey에서. 그것을 설명하는 PPT와 비디오가 있습니다. 약간 다르고 부트스트랩 접근 방식과 약간 다른 결과를 제공하지만 기본적으로 동일한 작업을 수행합니다. 저는 항상 이러한 접근 방식을 사용하여 모델의 요소를 제거합니다.
자동 유효성 검사 접근 방식의 매우 좋은 차이점 중 하나는 완전히 임의적이고 데이터에 직교하는 null 요소를 생성한다는 것입니다. 다른 요소보다 시뮬레이션에서 더 자주 나타날 때마다 덜 자주 나타나는 요소를 확실히 제거할 수 있습니다. 여기에서 요인과 그 조합에 대한 계층 및 유전 규칙을 적용하도록 주의하십시오. 사실 이론적 모델이 없고 혼합 용어를 포함할 이유가 없다면 나는 그것들을 모두 생략할 것입니다. 제가 아는 데이터 과학자가 즐겨 말하는 것처럼 "부두"입니다.
그건 그렇고, 당신이 분석하는 데이터는 DOE에서 나온 것입니까 아니면 일반 실험실 연구에서 나온 것입니까?
행운을 빌어요!,
DS
Re: 범주형 변수에 대한 모수 추정치의 해석친애하는 DS,
E^n을 명목에서 서수로 변경하면 실제로 트릭을 수행했습니다. 매개변수의 절대값은 이전과 동일하지만 부호가 음수로 변경되어 훨씬 직관적입니다. 정말 감사합니다!
저는 실제로 JMP PRO를 가지고 있습니다(하지만 최근에야 얻었습니다).
이 경우에 사용할 수 있는 경험적 공식이 없지만 그것이 어떻게 수행되는지 알고 싶습니다. 튜토리얼 등을 알려 주시면 감사하겠습니다. 언급 한 부트 스트랩에 대해서도 마찬가지입니다.
문안 인사,
맛디아
Re: 범주형 변수에 대한 모수 추정치의 해석안녕 @matthias_bruchh님 ,
먼저 JMP Pro가 있습니까? 그렇다면 매개변수 추정치에 대해 부트스트랩 계산을 실행하여 어떤 매개변수가 실제로 0(또는 0에 가까움)이고 실제로 0이 아닌 매개변수와 일반적인 값(수천 개의 부트스트랩 평균)을 더 잘 이해할 것을 강력히 권장합니다. .
즉, E^na 명목 값을 만들었기 때문에 JMP가 매개변수 추정치를 보고할 때 가능한 값을 다시 보고합니다. 이 경우 [-1 -1]은 -1에서 1을 의미합니다. E^n 예측자가 모델에 맞는 방식을 더 잘 이해하기 위해 대신 서수로 변경할 수 있습니다.
E^n이 양의 계수(또는 0)를 얻는 이유는 예측을 위해 다시 꺼내는 함수와 관련이 있습니다. 공식은 기본적으로 다음과 같습니다.
y = exp( a + b*x_1 + c*x_2 + d*x_3 + f )
더 큰 y 응답을 얻으려면 지수의 인수가 가능한 한 커야 합니다. 따라서 x_1 및 x_2에 대한 계수가 음수이고 "a" 및 "f"가 양수인 경우 인수는 x_3(즉, E^n)에 대한 계수를 양수로 만드는 것입니다.
N25의 동작이 예측 변수에 어떻게 반응하는지 볼 때 물리적으로 의미가 있다고 언급했습니다. 물리적(또는 화학적) 프로세스를 살펴보고 있다면 시작할 이론적 방정식이 있습니까? 그렇다면 이를 예측 공식으로 사용해야 하며 점프가 경험적 공식을 생성하지 않도록 해야 합니다. 예를 들어 공이 x미터 떨어지는 데 걸리는 시간을 측정하는 경우 이를 예측하는 물리적 공식이 있습니다. 즉, y = y_0 + v_0*t + 1/2*g*t^2, 중력장에서의 운동 공식. 이러한 데이터를 JMP에서 분석할 때 이론 모델에 공식을 고정하고 이론과 다른 점이 없는지 확인했습니다.
하지만 E^n을 서수로 바꾸면 더 이해하기 쉬울 것 같습니다. 또한 JMP에서 경험식을 생성해야 하는 경우 추정치를 부트스트랩하거나 시뮬레이션하여 실제로 0인지 또는 0에 가까운지 확인하여 모델에서 누락된 것이 없는지 확인할 수 있습니다.
도움이 되었기를 바랍니다.
행운을 빌어요!,
DS
