Conférencier
|
Transcription
|
| riche m |
Bonjour, je m'appelle Rich Newman et je suis statisticien chez Intel. Et aujourd'hui, je présenterai un script JMP qui détermine une limite simultanée de 95 % à l'aide d'une approche K-plus proche voisin. |
| |
Cette présentation est co-écrite par Don Kent, qui est également chez Intel et nous sommes tous les deux situés à Rio Rancho, au Nouveau-Mexique. |
| |
J'aimerais commencer la présentation d'aujourd'hui en motivant le problème, et à partir de là, je partagerai quelques solutions possibles et, finalement, j'arriverai à la solution que nous avons choisie. |
| |
En cours de route, je fournirai quelques graphiques pour aider à illustrer davantage les points, puis enfin, je montrerai le complément JMP que nous utilisons pour résoudre le problème et quelques captures d'écran illustrant le script. |
| |
nous concevons un appareil et nous devons savoir quel est le pire ensemble de quatre valeurs de résistance et de quatre capacités que nous voyons. |
| |
Et le pire des cas pour nous est défini comme les combinaisons faible résistance/haute capacité et haute résistance/faible capacité. Alors pour plus de clarté, |
| |
nous avons huit variables et nous pouvons avoir besoin des limites simultanées des quatre valeurs de faible résistance, des quatre valeurs de capacité élevée, afin que nous puissions l'utiliser pour nous aider à concevoir l'appareil. Et le pire des cas peut être défini comme une confiance de 95 % ou une confiance de 99 % et, en fin de compte, cela dépend de l'utilisateur. |
| |
Très bien, pour illustrer ce problème, utilisons une seule résistance et une seule valeur de capacité. J'ai donc une résistance sur l'axe X, une capacité sur l'axe Y, et nous voulons savoir deux choses. On veut connaître cette étoile jaune, la pire |
| |
combinaison faible résistance/capacité élevée, et nous voulons savoir que le pentagone violet, la combinaison haute résistance/faible capacité. |
| |
Très bien, en ce qui concerne notre problème, je tiens à souligner que nous reconnaissons que ces huit variables, ces huit réponses ne sont pas indépendantes. Il y a des corrélations entre eux. |
| |
De plus, chacune de ces réponses peut suivre ou non une distribution normale ou la distribution normale multivariée. |
| |
Nous posons fréquemment ce type de questions. Donc, en d'autres termes, nous ne voulons pas résoudre ce problème une fois pour toutes et ne plus jamais nous en occuper. On nous pose ces questions |
| |
souvent, nous avons donc vraiment besoin d'une solution robuste et facile à utiliser. Dans notre cas, nous sommes très chanceux d'avoir tendance à disposer d'ensembles de données relativement volumineux, au moins 400 points, et nous avons généralement |
| |
1 000 points. Et pour nous, une solution pratique fonctionne tant qu'elle repose sur une méthodologie statistique. Donc, si je reviens à ce graphique précédent, ce n'est pas comme si j'allais lancer une fléchette sur ce graphique et dire, où qu'il atterrisse, |
| |
ça va être notre pire cas lié. Vous voulez vraiment un peu plus de viande derrière cela, mais je tiens à souligner que nous n'avons pas nécessairement de définition du pire des cas, que ce soit 99 % ou 95. |
| |
Et nous savons juste qu'il vaut mieux être un peu conservateur, pour s'assurer que nous concevons un appareil qui fonctionnera vraiment et qui n'aura aucun problème à l'avenir. |
| |
D'accord, je veux partager un exemple complètement inventé, juste pour illustrer que ce type de problème peut survenir dans n'importe quelle industrie. |
| |
Et donc, imaginez que nous fabriquions des bureaux réglables pour la salle de classe et que nous voulions que notre bureau fonctionne pour 99 % de la population. |
| |
la taille d'une personne et la largeur d'une personne. |
| |
Maintenant, lorsque vous avez JMP, il est fourni avec des exemples de données, et l'un de ces ensembles de données s'appelle BigClass. Et dans BigClass, il a |
| |
certains étudiants là-dedans et leurs tailles et poids. Nous pouvons donc utiliser cet ensemble de données pour nous aider à déterminer les limites de taille et de poids qui capturent 99 % de la population. |
| |
Donc, si je regarde ce graphique ici en bas à droite, nous voyons que les points représentent... chaque point représente la combinaison taille et poids d'un élève. |
| |
Bon, si je reviens à notre problème, |
| |
notre approche actuelle, qui, selon nous, peut être améliorée, consiste à trouver indépendamment des limites de prédiction à 95 % ou 99 % pour la résistance et la capacité. |
| |
Et dans cet exemple où je regarde juste une résistance et une capacité, nous trouverions deux limites distinctes. |
| |
Ainsi, à titre d'exemple, nous trouverions la prédiction à 95% liée à la résistance, qui est de 4,52 et 4,97 et qui est désignée par les lignes bleues plus foncées. |
| |
Et puis nous trouverions un équilibre de prédiction de 95% pour la capacité, qui est de 15,6 et 16,5, qui est désignée par ces lignes bleu verdâtre, puis nous trouverions les combinaisons pour nous obtenir cette étoile jaune et ce pentagone violet, ce qui correspond à notre pire cas. |
| |
Maintenant, nous avons un peu de soucis avec cette approche. Et la première préoccupation concerne un taux d'erreur de type I. Donc, quand je trouve un 95% lié à la résistance 1 et 95% lié à la résistance... |
| |
pour la capacité 1, gardez à l'esprit que j'ai huit variables, dans l'ensemble, je connais mes niveaux de confiance, pas 95 %. Et ce qu'il est, dépendra de la corrélation des variables. |
| |
Maintenant, nous pouvons surmonter cet obstacle en faisant un ajustement alpha, mais il y a un autre obstacle dont je voulais discuter et qui nous préoccupe un peu plus. |
| |
D'accord, et si on s'intéressait à la combinaison haut/haut, qui est désignée par ce cercle jaune ? |
| |
Dans cet exemple particulier, vous pouvez voir que nous n'avons aucune donnée proche de cette borne du pire des cas, donc si nous devions l'utiliser, c'est extrêmement prudent. |
| |
Et quand nous allons concevoir notre appareil, il va y avoir un coût et un élément de temps qui lui sont associés, donc nous voulons être un peu conservateurs, mais nous ne voudrions pas être si conservateurs que nous utiliserions ce cercle jaune parce que nous n'obtenons vraiment aucun point de données autour de lui. |
| |
D'accord, il existe des approches alternatives faciles à réaliser dans JMP que nous voulions considérer comme des solutions à ce problème, et la première est les ellipses de densité. |
| |
Et cela se trouve dans la plate-forme d'ajustement Y par X, donc si je frappe ce triangle rouge sur un ajustement bivarié, je peux choisir une ellipse de densité, et dans ce cas, j'ai choisi une ellipse à 95 %. Et je reçois cette ellipse rouge sur le graphique. |
| |
Eh bien, lorsque JMP fournit cette ellipse de densité, si vous regardez dans le coin inférieur droit de la présentation, il présente l'écart type moyen et la corrélation des deux variables. |
| |
Et ce que JMP ne fournit pas, c'est l'équation de l'ellipse. Maintenant, c'est un obstacle que nous pouvons surmonter. Il suffit de faire quelques calculs pour pouvoir le résoudre. |
| |
Mais le plus gros obstacle est que se passe-t-il si vous avez plus de deux variables ?. Dans ce cas, JMP n'a pas d'option facile |
| |
pour nous de résoudre ce problème. Nous pourrions donc faire des ellipses par paires ou simplement faire deux variables à la fois, mais nous allons avoir le même problème alpha et il sera assez difficile de choisir les points que nous voulons utiliser comme ???. |
| |
Maintenant, il y a aussi une autre préoccupation très mineure dans cette approche : que se passe-t-il si nous nous intéressons à ce coin haut/haut ou à ce cercle jaune ? Quel point de l'ellipse choisit-on ? |
| |
Et encore une fois, je pense que c'est un obstacle que nous pouvons franchir... surmonter, mais les deux... quand nous avons plus de deux variables, c'est un obstacle qui est assez délicat. Nous ne sommes pas sûrs qu'il soit facilement résolu. |
| |
D'accord, il y a une autre approche que nous pouvons...nous pouvons...c'est facile à faire dans JMP et c'est les composants principaux. |
| |
Et ce que font les composants principaux, c'est qu'il crée de nouvelles variables, et JMP les étiquettera Prin 1 et Prin 2, |
| |
de sorte que les nouvelles variables soient orthogonales les unes aux autres. Et le fait qu'ils soient orthogonaux, nous pouvons l'utiliser pour nous aider à résoudre nos pires limites. |
| |
Et cela se trouve dans la plate-forme des méthodes multivariées, donc si vous allez analyser, méthodes multivariées, composants principaux, nous pouvons demander ces composants principaux. |
| |
Maintenant, le problème avec l'approche des composantes principales est que les calculs sont extrêmement difficiles lorsqu'il y a plus de deux variables. |
| |
De plus, en théorie, la composante principale essaie de réduire la dimensionnalité donc, en d'autres termes, si j'avais huit variables que je voulais essayer de trouver ce pire cas simultané... bornes simultanées sur, |
| |
mais JMP peut revenir et dire, d'accord, nous avons trouvé trois principes principaux qui aident vraiment à expliquer ce qui se passe. |
| |
Et dans ce cas, nous avons trois équations et nous avons ces huit inconnues et cela nous met vraiment dans une situation difficile pour résoudre le problème. Et donc, pour cette raison, nous n'utiliserions pas cette approche en composantes principales. |
| |
Alors, où en sommes-nous? Notre objectif est donc de trouver la limite simultanée du pire des cas, cette combinaison haut/haut, bas/haut ou bas/bas/haut/haut. |
| |
Nous voulons utiliser... nous aimerions utiliser JMP pour nous aider à résoudre le problème. Il doit être capable de gérer trois variables ou plus. |
| |
Chaque variable peut être normale ou non. Nous nous attendons à des corrélations. La bonne nouvelle est que nous avons tendance à disposer d'ensembles de données relativement volumineux. |
| |
Nous voulons nous assurer que si nous demandons ce coin, si vous voulez, qu'il y ait des données là-bas et que nous ne soyons pas coincés dans une situation où il n'y a pas de données. Et encore une fois, une solution pratique simple peut suffire. |
| |
Bon, ce que je veux faire maintenant, c'est expliquer un concept, puis je vais vous montrer comment ce concept est utilisé pour résoudre notre problème. |
| |
Il existe donc un concept appelé l'approche des K plus proches voisins et l'idée est que vous avez un point et que vous trouvez une distance entre ce point et tous les autres points. |
| |
Et puis vous déterminez les k voisins les plus proches du point, ou les k points pour les distances les plus courtes. Donc, pour donner un sens à cela, regardons un exemple. Concentrons-nous donc sur ce point surligné en rouge... ce rouge foncé et ses coordonnées sont |
| |
4.51 et 15.66. Si je prends ce point en bleu, les coordonnées sont 4,67 et 15,54, je peux trouver la distance entre ces points. |
| |
Ou l'idée des voisins les plus proches est pour ce point en rouge, je peux trouver la distance de ce point à tous les autres points de l'ensemble de données. |
| |
Et puis je peux trier les distances de la plus petite à la plus grande et puis je peux retirer celles que je veux. |
| |
Donc, par exemple, si je voulais savoir quand k=2, deux points qui sont les plus proches voisins de celui en rouge, je vois que ce sont les deux points en rose et ce sont eux qui sont les plus proches du un rouge. |
| |
D'accord, donc ce que je veux faire maintenant, c'est parler de la solution, puis... à un niveau élevé, puis je vais ralentir et parcourir les étapes. Notre solution était donc basée sur, si vous avez un grand ensemble de données, |
| |
nous pouvons d'abord trouver la médiane +/-3 écarts-types pour chaque variable (et je tiens à le souligner, vous pouvez également utiliser la mmean), |
| |
et ce faisant, nous définissons ce que nous appelons nos coins ciblés, ou nos coins souhaités, et c'est le plus bas le plus haut... basé sur le plus bas le point haut de chaque variable. |
| |
Et ensuite, ce que nous allons faire, c'est que nous allons trouver la distance entre chaque point et ce coin ciblé, nous allons trier les distances de la plus petite à la plus grande, |
| |
et, dans notre cas, pour nos besoins (et j'expliquerai cela un peu plus dans une prochaine diapositive), nous emmenons les k voisins les plus proches vers le coin ciblé. Et en général, vous pouvez collecter des k-voisins qui représentent la confiance souhaitée. Et encore une fois, j'expliquerai cela un peu plus dans une seconde. |
| |
Ensuite, nous prenons la moyenne des k-voisins et cela devient notre solution. |
| |
D'accord, alors voici l'idée est que nous commençons avec nos deux variables, nous trouvons la moyenne +/-... excusez-moi, la médiane +/-3 écarts-types et nous pouvons également utiliser la moyenne. |
| |
Et ce faisant, nous les appelons nos coins ciblés, donc si j'étais intéressé par le coin bas/haut, le coin haut.bas cette étoile jaune du Pentagone, ils commencent comme ce que nous appelons ses coins ciblés définis. |
| |
L'étape suivante consiste à prendre tous les points de données et à trouver la distance entre chaque point de l'ensemble de données et ces coins ciblés. |
| |
Et une fois que nous obtenons ces distances, nous les trions de la plus petite à la plus grande. |
| |
Et puis, dans cet exemple particulier, nous trouvons les k-plus proches voisins les plus proches des coins ciblés. Donc, juste comme illustration, vous pouvez voir les cinq points en jaune |
| |
sont les cinq points les plus proches de l'étoile jaune, et les cinq points en violet sont ceux qui sont les plus proches du pentagone violet. |
| |
Ensuite, nous prenons la moyenne de ces cinq points, respectivement, et ce faisant, ces ellipses noires représentent ce que nous utiliserions comme valeur du pire cas. |
| |
Et ensuite, nous utiliserons cela pour nous aider à concevoir notre appareil. |
| |
Maintenant, je veux vous montrer ces points par rapport à l'ellipse de densité et par rapport à ces coins ciblés, et l'étoile jaune et le pentagone violet sont ce qu'était notre méthode originale. |
| |
Et nous pouvons voir que les ellipses de densité ne sont pas mauvaises, elles s'améliorent un peu. Et ce qui est vraiment bien avec cette solution particulière, c'est que nous avons des points de données à proximité et c'est exactement comme elle est conçue. |
| |
De plus, ce n'est pas trop conservateur pour nous, donc nous n'avons pas à payer ce coût supplémentaire, si vous voulez, lorsque nous avons conçu l'appareil et nous n'avons pas eu à nous soucier de la distribution des données. Les corrélations ne sont vraiment pas concernées par la façon dont nous résolvons notre problème. |
| |
Très bien, disons que vous étiez intéressé par les limites haute/haute et basse/basse, ce pentagone bleu clair ou l'étoile bleue plus foncée. Cette méthode fonctionne aussi. |
| |
Et ce que vous voyez dans les ellipses noires, notre solution, c'est qu'à nouveau nous avons des points de données ici. |
| |
Et donc, pour nous, c'est une approche merveilleuse parce que, surtout par rapport à notre approche actuelle, ce n'est pas trop conservateur. C'est peut-être un peu conservateur, mais ce n'est pas aussi conservateur que ce pentagone et l'étoile. |
| |
Bon plus tôt, j'ai fait quelques commentaires sur la façon dont nous l'abordons et il y a des choix, donc je veux discuter maintenant du choix de K et devrions-nous faire la moyenne ? |
| |
Et pour moi, ce K peut être basé sur votre niveau de confiance, la taille de votre échantillon et le type de votre philosophie, et laissez-moi vous expliquer. |
| |
À titre d'exemple, disons que j'avais 1 000 points de données et que je voulais être sûr à 95 %. |
| |
Dans ce cas, je peux prendre la 25e distance la plus proche pour les deux coins et ce serait 2,5 % du côté bas ou du côté bas/haut et 22,5 % de l'autre côté et ensemble, j'ai capturé mon 95 % confiance. |
| |
Je pourrais donc simplement prendre la 25e distance la plus proche et avoir terminé. C'est une approche. Je peux aussi prendre les 23e, 24e, 25e, 26e et 27e distances et en faire la moyenne. |
| |
Et prenez la moyenne de cinq valeurs et utilisez-la comme approche. Il y a donc plusieurs façons de le gérer. |
| |
Dans nos besoins particuliers, encore une fois, nous avons de très grandes tailles d'échantillons et nous voulons être un peu conservateurs et nous ne sommes pas guidés par des confiances de 95% ou 99%. Donc, juste à titre d'illustration, |
| |
ces cercles orange sur le graphique de droite, ils peuvent représenter, à titre d'exemple, l'intervalle de confiance à 95 % et il peut s'agir simplement de la moyenne de cinq points ou peut-être de la 25e distance la plus proche, à titre d'exemple. |
| |
Et ce que nous ferions, c'est qu'au lieu d'utiliser cette approche, nous prendrions en fait la moyenne des 25 premiers points, et ce faisant, nous nous retrouverions avec les ellipses noires et vous pouvez voir qu'ils se déplacent et que ça le fait un peu plus conservateur. |
| |
Et donc nous le faisons à dessein, un peu plus conservateur. |
| |
Et encore une fois, c'est un choix, et pour nous, ce qui est bien, c'est que ce n'est pas aussi conservateur que ces coins souhaités, notre approche actuelle, donc nous obtenons un peu de nature conservatrice là-dedans, mais nous ne sommes pas extrêmement conservateurs. |
| |
Très bien. Quels sont donc les avantages et les inconvénients de cette approche ? Les points positifs sont que nous n'avons pas besoin de connaître la distribution des variables. |
| |
Nous pouvons facilement gérer certaines corrélations ou variables dépendantes, nous pouvons facilement gérer plusieurs variables, en particulier plus de deux. |
| |
Nous savons qu'il existe des données proches de cette solution et qu'une partie de celles-ci dépend de cette grande taille de données et nous pouvons créer un script dans un complément de JMP pour effectuer facilement les calculs. |
| |
Le point négatif est qu'il nécessite un ensemble de données de taille décente, car si vous voulez ce niveau de confiance de 99% comme exemple, un niveau de confiance vraiment élevé, vous avez vraiment besoin de beaucoup de données. |
| |
Très bien, voici à quoi ressemble notre complément, cette interface utilisateur, et vous avez donc les variables possibles dans le coin supérieur gauche. |
| |
Et puis sur le côté haut que vous entrez, par exemple, nous voulons les valeurs élevées de la résistance et c'est dans cette surbrillance verte. Si je passe à la surbrillance violette, nous pouvons ajouter certaines valeurs du côté bas, et donc dans cet exemple, nous dirions que nous voulons la faible combinaison de capacité. |
| |
Ensuite, la prochaine chose que vous devez faire est d'entrer dans votre confiance que vous voulez. |
| |
Et nous avons un bouton de rappel, ce qui est pratique pour les gens. |
| |
Et puis nous avons le logo de notre équipe, ce qui donne à l'article un aspect agréable et professionnel. |
| |
Très bien, une fois que vous avez exécuté ce complément, il déclenchera les scripts et la sortie sera une table JMP. |
| |
Et dans ce tableau JMP, la première chose que je veux souligner dans cette surbrillance, dans cette surbrillance verte, c'est que pour les huit variables, nous obtenons la médiane, l'écart type, et si c'était le côté bas ou le côté haut nous étions intéressés. |
| |
Et donc à partir de là, nous allons construire le coin souhaité, donc ce serait la médiane moins trois écarts-types pour le côté bas et le moyen plus trois écarts-types pour le côté haut. Et encore une fois en violet maintenant, c'est notre coin ciblé. |
| |
Ensuite, la prochaine chose que nous faisons est de trouver les distances pour tous les points |
| |
à ce coin désiré. Et puis nous allons trouver dans cet exemple les cinq points qui sont les plus proches de ce coin souhaité, et ce sont ces valeurs de voisinage. Ils vont être notre vecteur de cinq valeurs. Les indices de voisinage, j'expliquerai un peu plus sur la diapositive suivante. |
| |
Ensuite, en bleu, nous prenons la moyenne de ces cinq voisins les plus proches et cela devient notre solution au problème. Donc, cette colonne en bleu représente les valeurs les plus défavorables ou ce sont les valeurs les plus défavorables que nous utiliserions pour nous aider à concevoir l'appareil. |
| |
Maintenant, nous avons également une colonne ici appelée Neighbor Z-score, et ce que c'est, cela prend la moyenne de ce voisin, notre solution, et fonctionne en quelque sorte à l'envers et voit de combien d'écarts types il s'agit par rapport à la médiane. |
| |
Et la raison pour laquelle nous faisons cela est que notre approche initiale consistait à prendre approximativement cette médiane plus ou moins trois écarts-types. |
| |
Et ce que nous découvrons, c'est que pour obtenir ce que nous voulons, nous pouvons en fait utiliser un multiplicateur beaucoup plus petit. Donc, cela nous aidait simplement à savoir à quel point notre méthode actuelle est conservatrice ou trop conservatrice. Il n'est utilisé dans aucun calcul, à part simplement pour nous aider à comprendre. |
| |
D'accord, j'ai mentionné ces quartiers... excusez-moi, les indices voisins. Donc en haut à droite j'ai surligné en violet les 109 et 126. |
| |
Cela correspond aux lignes des données. Ainsi, lorsque vous exécutez ce complément, vous obtenez votre table JMP. |
| |
Il vous dira ce que cinq lignes représentent les cinq voisins les plus proches, |
| |
et les sélectionne également dans votre ensemble de données d'origine. Et ce qui est bien, c'est que cela facilite le code couleur. Alors tout à l'heure, je vous ai montré l'exemple avec le jaune, donc cinq jaunes et les cinq violets. |
| |
Et c'est facile une fois que vous exécutez ce complément juste pour changer les couleurs juste... juste après avoir exécuté le complément. |
| |
Très bien, voici à quoi ressemble la sortie pour nos huit variables. |
| |
Et vous pouvez voir, les points verts représentent les valeurs de faible résistance/haute capacité, les points rouges représentent les valeurs de haute résistance/faible capacité. Et je veux juste souligner dans la partie inférieure droite de ce graphique que j'ai surligné en violet, |
| |
que vous pouvez voir, par exemple, les points verts et rouges, ce ne sont pas des points extrêmes pour une variable donnée et c'est l'aspect simultané de ce problème. |
| |
Cela résout vraiment le problème à travers les huit variables. Et donc pour certaines variables, cela peut être extrême, pour d'autres cela peut ne pas l'être, et cela nous convient. |
| |
Mais encore une fois ... et ce faisant, cela aide à comprendre les relations entre nos variables et ce serait encore une fois un affichage graphique de ce que serait notre solution finale, notre pire cas ... nos pires valeurs de cas. |
| |
D'accord, si je reviens à cet ensemble de données BigClass juste pour illustrer le complément, et je veux reconnaître qu'il s'agit d'un petit ensemble de données. Ceci est juste à des fins d'illustration. Je peux exécuter le script et demander le côté haut/haut, je peux l'exécuter et demander le côté bas/bas. |
| |
En recommençant, comme avant, je vais obtenir la médiane et l'écart-type. Je vais l'utiliser pour trouver la limite. |
| |
Et c'est mon coin désiré, alors je vais trouver les cinq voisins qui sont les plus proches de cette limite. Et vous pouvez voir en vert, ce sont les valeurs réelles, et celles-ci sont tracées sur le graphique en jaune et violet. |
| |
Les indices voisins font référence aux lignes et c'est ce qui me permet de coder rapidement mes données en couleur. |
| |
La moyenne voisine est notre étoile jaune et notre pentagone violet, et ce serait notre solution au problème. Et encore une fois, nous faisons le score Z juste pour avoir une idée en interne de la prudence de cette méthode. |
| |
Bon, à ce stade, je veux juste souligner quelques points de notre script. Ainsi, lorsque nous avons construit notre script, et vous pouvez le voir en haut à droite, vous savez que nous avons construit cette boîte de panneau. |
| |
Et bleu clair, c'est là que nous demandons à l'utilisateur d'entrer les variables qui sont... que nous trouvons sur le côté haut et les variables qui se trouvent sur le côté bas. |
| |
Dans cette couleur cuivrée, c'est là que nous obtenons l'entrée du centile et c'est en fait un nombre. |
| |
Et vous pouvez également voir sur les lignes 222 et 223, c'est ce que nous construisons une fonction de rappel. |
| |
D'accord, l'une des choses que nous aimons faire est le contrôle de la qualité des données, vous savez donc que nous voulons que cela soit aussi sûr que possible, à l'épreuve des erreurs. |
| |
Et donc, par exemple, vous devez entrer ce niveau de confiance sous forme de nombre, et donc, nous faisons une vérification pour nous assurer qu'il est compris entre zéro et 100 ou l'utilisateur reçoit un message d'erreur indiquant qu'il doit modifier son entrée. |
| |
De même en bas, nous avons besoin de quelque chose dans la liste basse ou la liste haute pour exécuter cela, nous avons donc ces vérifications de données pour nous assurer que quelque chose a été saisi. |
| |
Très bien, la prochaine chose que nous faisons est d'avoir quelque chose appelé la fonction sumcols. |
| |
Et ce que fait la fonction sumcols, c'est qu'elle parcourt les colonnes passées. Donc, en d'autres termes, il prend les bas et les hauts que vous avez entrés |
| |
et renvoie un dictionnaire ou un tableau associatif avec des informations importantes pour nous. Donc si je regarde à droite, en bas à droite, |
| |
excusez moi, si je regarde en bas à droite, par exemple en orange ça va récolter des informations sur le type de données, |
| |
combien de points de données il y avait, quelle est la médiane, quel est l'écart type. En violet, il va faire ce calcul et nous obtenir notre désir |
| |
coin ou coin ciblé, que nous allons appeler notre borne. Et puis en bleu, cet AA, c'est notre tableau associatif et cela apporte toutes les informations ou stocke toutes ces informations dont nous avons besoin pour la prochaine étape. |
| |
Très bien, ce que nous faisons à partir d'ici, c'est que nous commençons à calculer ces distances. Et ainsi vous pouvez voir dans la surbrillance bleue, |
| |
et c'est du côté bas, et si vous allez juste en dessous, c'est du côté haut. Nous commençons à trouver la distance entre chaque point et ce coin ciblé. |
| |
Et nous devons faire le calcul, vous savez, qui a été montré plus tôt, où nous mettons au carré puis prenons la racine carrée, mais en substance, nous trouvons simplement cette distance entre les points et trois sigma. |
| |
Et puis en bas, nous allons passer par le processus de triage, de classement de ces distances, puis de sélection de celles dont nous avons besoin. |
| |
Et je tiens à souligner en surbrillance orange que, six, sept et huit. |
| |
Chaque fois que nous écrivons nos scripts, nous faisons de notre mieux pour avoir des commentaires. Et parfois, lorsqu'une personne travaille sur un script, malheureusement, elle est attirée vers autre chose, et quelqu'un d'autre peut |
| |
le terminer, donc c'est vraiment bien d'avoir ces commentaires pour que quelqu'un d'autre puisse prendre le relais et vraiment comprendre ce qui se passe. |
| |
De plus, c'est bien que ces commentaires, même si vous êtes le seul à travailler dessus, que si vous devez y revenir, vous savez, des années plus tard, vous vous souvenez de ce que chaque étape fait. Nous faisons donc de notre mieux pour mettre des commentaires. |
| |
Très bien, enfin, ce que nous faisons, vous savez, nous parcourons le côté bas et le côté haut et nous retournons certaines valeurs dans un dictionnairej. Et vous pouvez voir en bleu, ce que nous faisons, c'est que nous supprimons les voisins minimum et c'est ce vecteur qui est sorti dans la sortie. |
| |
Ensuite, nous en prenons la moyenne et c'est notre solution; ça se passe en orange. Et juste à titre d'exemple, en violet que l'on retrouve notre score Z. Donc, une fois que nous obtenons les informations, toutes ces distances, les avons triées, |
| |
nous récupérons ensuite les informations dont nous avons besoin pour construire ensuite une table qui nous appartient. |
| |
Très bien, donc mettre tout cela ensemble. Notre problème de motivation est que nous voulions trouver ces limites simultanées du pire des cas pour nous aider à concevoir un appareil et notre solution actuelle est trop conservatrice ; cela nous coûte de l'argent et du temps. |
| |
Et lorsque nous allons résoudre ce problème, nous savons que les données peuvent suivre ou non la distribution normale multivariée, nos données ne sont pas indépendantes. |
| |
Et la fréquence de cela nécessite vraiment une solution simple, et de préférence avec JMP, et donc notre solution |
| |
était de créer un complément JMP facile à utiliser, il utilise le concept des k voisins les plus proches, et la sortie est facile à comprendre, et cela nous aide à créer rapidement ces graphiques que nous pouvons coder en couleur, afin que nous puissions montrer aux autres. |
| |
D'accord, merci beaucoup. |
