どのプロセスパラメータが実行間の差異を説明するかを決定するための LDA 対予測子スクリーニング現在、化学プロセスのユニットを研究しています。このユニットはクリーニングされるまで数か月間稼働します。パフォーマンスは実行ごとに異なります。私のランニングのパフォーマンス指標には、低、中、高の 3 つのレベルがあります。性能指標を説明または影響を与える可能性のある候補として特定された約 30 のプロセス パラメータ (圧力、温度など) があります。これらのプロセスパラメータは実行中に変化します。これらのプロセスパラメータのうちどれが最も影響力があるのか、また、どのような影響があるのか (プラス/マイナス) を特定しようとしています。
LDA と予測子スクリーニングを使用しました。最も影響を与えるプロセス パラメーターの上位 10 位のリストは、2 つの方法間で異なります。メソッドが異なるため、多少の違いは予想していましたが、それほど広範囲ではありませんでした。私の質問: 2 つの方法のうちどちらが最も信頼できる答えを与えるかをどのように特定するのでしょうか?
高度な統計モデリングデータのブレンディングとクリーンアップ品質およびプロセスエンジニアリングRe: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニング私は（もっと詳しく読むべきだったことを許してください）、あなたが13回しか実行していないことに気づきましたか？ したがって、自動的に、予測変数 (30) よりもはるかに少ない実行数になります。 通常、ツリーおよび多くの線形モデリング手法では、推定しようとしているパラメーターよりも多くの実行が必要です。 だから私はあなたが異なる答えを見ていることに驚かない. LDA にはいくつかの次元削減機能があります。 率直に言って、JMP Pro を使用していない場合 (もしあれば、FDE または部分最小二乗法、またはペナルティ付き回帰法の 1 つを使用できます)。 幸運を。
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニングその通りです。かなりの量の共線性があります。 そのため、LDA とプレディクター スクリーニングを選択しました。 LDA で 4% の誤表示があり、低値と高値を明確に区別できます。 次に、標準化されたスコア係数を見て、それらを大きい順にランク付けしました。
さらに、1000 本の木で予測スクリーニングを実行しました。 予測子のランキングを LDA からの標準化されたスコア係数のランキングと比較すると、高い予測子のランキングと高い標準化されたスコア係数の間にはほとんど一致がありません。
それらは2つの異なる方法であるため、いくつかの違いを期待していましたが、それほどではありませんでした.
何が理由で、どのランキングリストが最も信頼できるでしょうか (予測スクリーニングのパフォーマンスを確認するにはどうすればよいですか?)
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニングここから始めましょう...これまでに説明したものと同様のプロセスに関する私の経験では、予測変数の間に多くの多重共線性がある可能性があります。 この問題を調査しましたか? 最善の策は、予測子の時系列プロットから始めることです...あまり多くないので、グラフビルダーが機能するのと同じくらい単純なものを使用します. 実際、FDE プラットフォームでは、これらのタイプのプロットは標準的で非常に価値のあるレポート出力です。 そこから、多くの多重共線性が存在する場合は、主成分分析を試して使用して、予測変数の変動性の大部分に寄与している成分を特定することをお勧めします。 カテゴリ応答のみを使用すると、モデリング オプションも制限されます。
しかし、この経路や方法に慣れていない場合は、私が最も強くお勧めするのは、あなたと協力してデータと問題を解決してくれる人を見つけることです. 「進む」方法はたくさんあります...そして、実際のデータを見て、関心のある化学プロセスについてもっと理解することなく、すべての異なる経路をたどることは困難です.
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニング残念ながら、私は JMP Pro を持っていません。私はJMPしか持っていません。 それでは、最良の代替手段は何でしょうか？
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニング理想的には、私はアイデアをお勧めします@マークベイリー株式。 予測変数が互いに高度に相関しているかどうかに応じて、予測変数で何を観察するかによって異なります...最も影響力のある変数を特定するための 1 つのパスは、Functional Data Explorer です。 遭遇する可能性のある問題は、予測変数間の多重共線性です。 FDE はこの問題を処理できます...しかし、可能であれば変数の同定に FDE を使用すると、A. 変数の同定と B. プロセスの予測モデルの開発を確認するために DOE に勝るものはありません。
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニング実行のパフォーマンスが低いまたは高い理由を説明するプロセス変数を特定したいと考えています。 次のステップは、これらの変数を帯域幅に設定 (または他の変数で補正) して、一貫して高いランを維持できるかどうかを確認することです。 エンジニアリングの観点から、多くの候補変数が特定されています。 分析は、最も影響力のある変数を見つけることを目的としています。 (根本原因分析のような)
これがあなたの質問に答えることを願っています。 質問が探索的または予測的であると誤解されるのを防ぎたかった
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニングでは、予測変数は時間の経過とともに (実行中に) 変化するのでしょうか? JMP Pro で Functional Data Explorer を試して機能原理コンポーネントを取得し、元の測定値の代わりにそれらを予測因子として使用することもできます。
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニング1 つの基本的な質問から始めましょう。 「...最も信頼できる回答」の基準は何ですか? 探索的な「答え」または予測的な「答え」を求める調査を行っていますか? 私がお勧めするデータ分析方法は、主にあなたの答えによって決まります。
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニング私は13回走っています。 各レベルは約 4 回発生します。 流量は必要なスループットに応じて変化し、圧力は周囲条件や長時間の汚れによって変化する可能性があります
Re: LDA と予測子のスクリーニングによる、実行間の違いを説明するプロセス パラメータを特定するためのスクリーニングデータ、またはその合理的なサンプルなしで言うのは非常に難しい. 「プロセスパラメータは実行中に変化する」と仮定すると、この変化は実行内で実際にどのように見えますか? また、データは何回実行されていますか? 業績指標の各レベルは何回発生しますか?
