비선형 vs 적합 곡선이 다른 결과를 제공합니까?안녕하세요. "비선형"또는 "맞춤 곡선"옵션 중 하나를 선택하면 동일한 결과 (JMP 15.0)를 얻게 될 것이라고 믿습니다. 나는 모델 라이브러리에서 내장 된 4 개의 매개 변수 로지스틱 모델을 사용하고, 균주별로 다양한 변수를 맞추려고합니다 (여기서 "strain"은 여러 가지 유전 적 배경입니다).
일부 변형의 경우 '맞춤 곡선'과 '비선형'접근 방식은 예상대로 동일한 결과를 제공하지만 일부 변형의 경우 '비선형'접근 방식은 데이터에 올바르게 적합하지 않습니다. 초기 시작 매개 변수가 (눈으로) 가장 잘 맞는지 확인하더라도 작동하지 않는 균주의 경우 전혀 맞지 않거나 어디에서 멀리 떨어진 답변에 수렴합니다. 그것은해야한다. "경고 : xx 누락 된 모델"이라는 오류 메시지가 표시되지만 누락 된 데이터는 없습니다. 누구든지 이것에 대한 수정을 가지고 있습니까 (이상적으로는 스크립팅을 사용하지 않고), 아니면 내가 어디로 잘못 가고 있는지 말해 줄 수 있습니까?
많은 감사합니다!
해석학다른Re : 비선형 vs 적합 곡선이 다른 결과를 제공합니까?Fit Curve 플랫폼이 원하는 모델에 맞는 경우 비선형 플랫폼을 사용하는 이유는 무엇입니까?
Fit Curve에는 지원하는 각 모델에 대한 휴리스틱이 포함됩니다. 일련의 모델에 대해 사용하기 쉽고 강력하지만 그렇지 않으면 유연성이 떨어집니다. 비선형 플랫폼은 더 강력하고 유연하지만 휴리스틱이 없으므로 모든 세부 사항을 처리하는 것은 사용자에게 달려 있습니다. 이것이 Fit Curve가 만들어진 이유입니다. 그것은 당신의 부담을 덜어줍니다.
비선형 회귀는 수치 최적화 또는 검색 기술입니다. 선형 회귀와 같은 폐쇄 형 계산이 아닙니다. 처음의 모든 세부 사항이 동일하고 동일한 알고리즘과 구현이 사용되지 않는 한 결과가 정확히 일치 할 것으로 기 대해서는 안됩니다.
Re : 비선형 vs 적합 곡선이 다른 결과를 제공합니까?응답 해 주셔서 감사합니다!
"Fit Curve 플랫폼이 원하는 모델에 맞다면 왜 비선형 플랫폼을 사용합니까?"
비선형 플랫폼은 적합 할 변수가 여러 개 있고 각 변수가 여러 그룹에 적합 할 때 사용하기가 더 빠르기 때문입니다. 또한 비선형 플랫폼을 사용하면 모델 매개 변수에 대한 신뢰 구간을 계산할 수 있습니다. 적합 곡선은 그렇지 않습니다.이 마지막은 출력 시각화의 일부로 CI를 사용하고 있으므로 정말 유용합니다.
"시작의 모든 세부 사항이 동일하고 동일한 알고리즘과 구현이 사용되지 않는 한 결과가 정확히 일치 할 것으로 기 대해서는 안됩니다."
알았어 괜찮아. 그러나 결과는 비선형 플랫폼이 모든 변수에 대해 올바르게 적합하지 않은 그룹 중 하나에 대해 제외하고 두 플랫폼간에 정확히 일치합니다 (이제 자세히 살펴 보았습니다). 왜 그런지 알 수 없습니다. 해당 그룹 만 포함 된 새 jmp 파일을 만들어서 그렇게 할 수 있는지 확인하려고합니다.하지만 가능하다면 그 그룹이 왜 그런지 이해하고 싶습니다. 오작동입니다. (데이터 측면에서 이상 치가 아니기 때문에 다른 그룹에 비해 최소값을 찾는 것이 더 멀다는 것이 아닙니다.)
다시 한 번 감사합니다
Re : 비선형 vs 적합 곡선이 다른 결과를 제공합니까?두 플랫폼은 거의 다른 기능을 가지고 있습니다. Fit curve는 일반적인 모델을 빠르게 맞추고 싶을 때 매우 편리하고 Nonlinear는 내가 주류가 아닌 연구 논문에서 찾은 것과 같은 사용자 지정 함수가있을 때 더 유용합니다. 매개 변수.
두 플랫폼에서 매개 변수를 해결하는 데 사용되는 반복적 인 수치 최적화는 최소 제곱 회귀를 해결하는 것과 상당히 다릅니다. 다른 많은 소프트웨어는 비선형 플랫폼과 같은 모든 레버와 버튼을 제공하는 대신 숨겨진 가정을 사용합니다.
Re : 비선형 vs 적합 곡선이 다른 결과를 제공합니까?네, 마지막 코멘트입니다. 비선형을 새 jmp 파일로 사용하여 올바르게 맞지 않는 그룹 (즉, 데이터를 다시 가져 오지 않음)을 다시 저장하면 이제 모두 정상적으로 작동합니다. 왜 이런 경우인지 모르겠습니다. 일부 샘플에서만 일부 변수가 손상 될 수 있습니까? -하지만 이제 앞으로 나아갈 길이 있다는 뜻입니다.Re : 비선형 vs 적합 곡선이 다른 결과를 제공합니까?안녕 뿡뿡 ,
여기서는 어떤 플랫폼을 사용하는 것이 가장 좋은지 언급하지 않겠습니다. 뿡 빵뀨 과 뿡뿡 JMP의 전문가이므로 그들이 말하는 것을 따를 것입니다. 각 플랫폼이 모델 피팅과 관련하여 약간 다른 알고리즘을 가지고 있다면 놀라지 않을 것이므로 일치하는지 여부에 너무 집착하지 않을 것입니다. 예를 들어 이론적으로 모든 매개 변수를 적절하게 설정하면 부스트 트리와 부트 스트랩 포리스트 플랫폼 모두에서 동일한 답을 얻을 수 있습니다. 그러나 기본 알고리즘이 다르므로 실제 예측 공식은 약간 다릅니다.
호기심에 비선형 플랫폼에서 사용할 수있는 이론적 모델 / 공식이 실제로 있습니까? 아니면 X, 예측 자 공식에 대해 다른 것을 사용하고 있습니까?
즉, 몇 가지 추가 단계를 거쳐도 Fit Curve 플랫폼에서 예측 CI를 가져올 수 있어야합니다. 예를 들어 Big Class.jmp 파일을 가져와 Fit Curve 플랫폼에서 : weight by : height를 맞추면 예측 공식을 데이터 테이블에 저장할 수 있습니다. 그런 다음 Fit Y by X (Y = 실제, X = 예측)를 수행하면 "Linear Fit"옆에있는 드롭 다운 핫 버튼을 사용하여 "Indiv Confidence Limit Formula"를 저장하여 + 적합치의 / -95 % 신뢰 구간. Graph> Legacy> Overlay Plot으로 이동 한 다음 실제 CI, 예측 CI, +/- 95 % CI를 선택하면 아래와 같은 그림을 얻을 수 있습니다. 그건 그렇고, 나는 Fit Curve 플랫폼의 물류 4P 모델을 사용하여 : weight & : height에 적합합니다.
따라서 Fit Curve 플랫폼을 사용하는 것이 더 합리적이라면 이것은 결과를 시각화 할 수 있도록 최소한 이에 대한 방법입니다.
적어도 생각할만한 것이 있습니다.
DS
