노이즈 데이터에 대한 예측 모델링안녕하세요,
노이즈 데이터에 대한 JMP와 JMP의 이점을 설명할 수 있는 좋은 데이터 세트가 있습니까?
이상적으로는 "진실"을 나타내는 변수와 "진실 + 노이즈"를 나타내는 또 다른 변수가 있어야 하며 JMP가 "진실"을 모델링하기에 충분히 좋은 반면 JMP Pro는 "진실 + 노이즈"를 모델링하는 데 필요하다는 것을 보여줄 수 있어야 합니다. .
참고: 저는 Y(s) 또는 Xs의 노이즈에 관심이 있습니다.
도와 주셔서 감사합니다.
임마누엘
임마누엘
Re: 노이즈 데이터에 대한 예측 모델링안녕 @Emmanuel_Romeu ,
나는 당신이 응답을받지 못한 것을 참조하십시오. 여기서 질문하신 내용을 이해하는 데 시간이 좀 걸렸습니다. 이제 이해가 된 것 같아요.
나는 당신이 의미하는 바가 시뮬레이션된 Y에 대한 모델링 문제와 다른 양의 노이즈가 있는 이 Y의 버전이라고 생각합니다. 노이즈의 양이 증가함에 따라 JMP와 JMP Pro 모델의 성능 차이가 증가할 것으로 예상할 수 있습니다. 즉, 노이즈가 클수록 JMP의 모델이 과적합될 것으로 예상할 수 있습니다. JMP Pro 검증은 과적합으로부터 사용자를 보호해야 합니다.
나는 이런 예가 없다. 만드는 것이 그렇게 어렵지 않아야 합니다.
하지만 그 차이가 얼마나 설득력이 있을지는 잘 모르겠습니다. 내 경험에 따르면 사람들은 0.8 대신 0.9의 R^2를 얻을 수 있다는 것을 보여주기 때문에 JMP Pro를 구매하지 않습니다.
건배!
필
Re: 노이즈 데이터에 대한 예측 모델링안녕하세요 필,
네, 이것이 제 목표입니다. 나는 "태블릿 생산"에서 용해에 무작위 노이즈를 추가하고 모델 스크리닝을 사용했지만 불행히도 결과는 실망스럽습니다(낮은 r², 부적절한 모델). 노이즈 데이터(여러 상관 응답에 대한 노이즈)를 관리하는 데 더 잘 작동할 수 있지만 JMP Pro를 판매하는 데 도움이 되지 않는 PLS를 사용하는 것을 고려하고 있습니다.
임마누엘
Re: 노이즈 데이터에 대한 예측 모델링태블릿 데이터 세트가 유효성 검증을 하기에는 너무 작은 것 같습니다.
이 사례 연구를 보셨습니까?
https://community.jmp.com/t5/Technical-Reference-Library/High-Throughput-Screening/ta-p/385091
나는 이것을 엄격하게 테스트할 시간이 없었다. 그러나 빠른 탐색을 통해 데이터의 비교적 작은 샘플(~150행)의 경우에도 JMP Pro의 유효성 검사가 포함된 기계 학습 방법이 표준 모델보다 성능이 우수한 것으로 나타났습니다.
Re: 노이즈 데이터에 대한 예측 모델링안녕하세요 임마누엘입니다.
고객으로서 저는 항상 JMP Pro의 이점 중 하나가 완벽한 모델을 구축하는 것이 아니라 검증 도구를 사용하여 모델에 대한 신뢰도를 높일 수 있다는 점을 발견했습니다. 잘못된 성취감을 얻기 위해 모델을 얼마나 쉽게 과적합할 수 있는지 JMP에서 보여주고 JMP Pro와 모든 검증 도구를 사용하여 과적합 모델과 잘 일반화되지 않을 수 있는 모델을 더 쉽게 식별할 수 있는 방법을 보여줄 수 있습니까? 나는 그것이 당신이 원했던 것과는 정반대라고 생각하지만 어떤 경우에는 불확실성에 대한 개선된 감각과 모델이 검증 및 테스트 데이터에서 얼마나 잘 수행하는지 알고 있다면 Pro에서 더 낮은 R2를 보여주는 것이 판매 포인트가 될 수 있습니다. 물론 모든 추가 모델링 도구를 사용하면 더 나은 모델을 만들 수 있지만 가장 중요한 것은 이러한 모델에 대해 더 많은 자신감을 가질 수 있다는 것입니다.
요셉
Re: 노이즈 데이터에 대한 예측 모델링고마워요, 조셉. "고객의 소리"를 듣는 것이 좋습니다. 이것이 제가 JMP Pro의 잠재 고객에게 항상 말했던 것입니다. 유효성 검사를 통해 모델에 대한 더 큰 확신을 얻을 수 있습니다.
