Fit Y by X 함수: 방정식을 JMP 시트로 반환안녕하세요,
나는 내 데이터를 사용하여 최적의 농도가 될 1x 농도를 식별하고 싶습니다. 그래서 저는 JMP Fit Y by X 기능을 사용하여 방정식을 찾고 이 방정식이 제가 가지고 있는 두 변수와 어떤 관련이 있는지 알아보려고 합니다. Fit Y by X 기능은 훌륭하게 작동하지만 이제 방정식과 값을 데이터 테이블에 반환하고 싶습니다. 제가 가지고 있는 데이터는 이러한 값을 수백 번 반환하므로 실제로 방정식을 사용하여 제가 원하는 최적의 농도를 계산할 수 있도록 이러한 값을 데이터 테이블로 반환하는 쉬운 방법이 있습니까?
도와주셔서 정말 감사합니다!
JMP 16 사용
Re: Fit Y by X 함수: 방정식을 JMP 시트로 반환열의 수식으로 스크립트를 추가하는 방법을 찾았습니다. 이 단계를 따랐지만 오류가 반환됩니다.
1 .그렇게 하면 스크립트의 첫 번째 줄을 제거해야 할 것 같습니다. 창 자체에 있는 수식이기 때문입니다. 즉, 데이터 세트를 여는 함수를 작성할 필요가 없습니다. 그렇죠?
이제 수식 상자에 있는 것은 두 줄의 코드뿐입니다.
obj = dt << Bivariate( Y( :Weight ), X( :Height ) );
obj << Fit Polynomial( 1, {Save Predicteds} );2. 그런 다음 내가 해야 할 일은 Y 및 X 변수를 내 열의 변수로 바꾸는 것뿐입니다.
삼. Fit Polynomial은 Fit Line 옵션과 동일합니까? 아니면 "Fit Line"에서 다시 작성해야 합니까?
결과: 그런 다음 오류가 발생했습니다. Send에 스크립트 가능한 개체가 필요합니다.
어떤 제안이 있으십니까?
Re: Fit Y by X 함수: 방정식을 JMP 시트로 반환도움을 주셔서 정말 감사합니다. 해당 Profiler 옵션도 꼭 살펴보겠습니다. 내가 해야 할 일을 수백 번 해야 하므로 프로파일러에는 데이터 테이블의 방정식만 적용하는 기능이 있을 수도 있습니다.
이제 이 문제를 해결하는 데 거의 가까워진 것 같습니다. JMP에 대해 더 많이 알게 되어 매우 기쁩니다!
다시 한 번 감사드립니다!
Re: Fit Y by X 함수: 방정식을 JMP 시트로 반환도움을 주셔서 정말 감사합니다! 이제 방정식을 수식으로 저장할 수 있다는 것을 알 수 있습니다. 한 번에 하나씩 그래프를 살펴보고 예측을 저장할 수 있으며 이는 매우 효과적입니다. 하지만 대신에 스크립트를 작성하는 방법을 배워야 한다는 것을 깨달았습니다! 이 작업을 수백 번 해야 할 텐데.... 스크립트 예제를 제공해 주셔서 정말 감사합니다. 어쩌면 내 테이블에 있는 변수를 교환하여 사용할 수 있을까요...? 나는 확실히 기회를 줄 것이다.
나는 이전에 대본을 쓴 적이 없습니다. 새 스크립트를 열어서 시험해 볼까요? 아니면 열 어딘가에 스크립트를 추가할 수 있나요?
다른 제안사항이 있으시면 안내해 주시면 감사하겠습니다.
다시 한 번 감사드립니다!
Re: Fit Y by X 함수: 방정식을 JMP 시트로 반환그만큼 예측 저장 빨간색 삼각형 메뉴의 명령을 사용하면 수식 열이 데이터 테이블에 저장됩니다.
최적화를 찾고 있다면 다음을 간과하지 마십시오. 프로파일러 . 이를 위해 맞춤 제작되었으며 Fit Y by X에서 저장한 수식과 함께 작동합니다.
Re: Fit Y by X 함수: 방정식을 JMP 시트로 반환JMP 보고서에 적합한 모든 데이터 모델의 예측 공식을 저장할 수 있습니다.Fit Y by X를 수행하려면 먼저 X 및 Y 변수를 사용하여 플랫폼을 실행한 다음 적합하려는 모델(예: Fit Line)을 맞춘 다음 그래프 아래 범례 옆에 빨간색 삼각형이 표시됩니다. 적합 모델.해당 삼각형을 클릭하고 "예측값 저장"을 선택하세요.그러면 해당 모델의 데이터 테이블에 수식 열이 생성됩니다.
다음은 이에 대한 예제 스크립트입니다.
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
obj = dt << Bivariate( Y( :Weight ), X( :Height ) );
obj << Fit Polynomial( 1, {Save Predicteds} );
