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 % en utilisant une approche du K-voisin le plus proche. |
| |
Cette présentation est co-écrite par Don Kent, qui travaille également chez Intel et nous sommes tous 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 retenue. |
| |
En cours de route, je fournirai quelques graphiques pour 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 valeurs de capacité que nous voyons. |
| |
Et le pire des cas pour nous est défini comme les combinaisons faible résistance/capacité élevée et haute résistance/faible capacité. Donc pour plus de clarté, |
| |
nous avons huit variables et nous pouvons avoir besoin des limites simultanées des quatre valeurs de résistance faible, des quatre valeurs de capacité élevée, afin de pouvoir les utiliser pour nous aider à concevoir le dispositif. Et le pire des cas peut être défini comme un niveau de confiance de 95 % ou de 99 % et, en fin de compte, cela dépend de l'utilisateur. |
| |
Très bien, pour illustrer ce problème, utilisons une seule valeur de 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 connaître ce 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 existe des corrélations entre eux. |
| |
De plus, chacune de ces réponses peut ou non suivre une distribution normale ou la distribution normale multivariée. |
| |
Nous posons fréquemment ce type de questions. En d’autres termes, nous ne voulons pas résoudre ce problème une seule fois, en finir avec ce problème et ne plus jamais y faire face. On nous pose ces questions |
| |
souvent, nous avons donc vraiment besoin d'une solution robuste et facile à utiliser. Dans notre cas, nous avons la chance de 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 à condition qu’elle s’appuie 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, peu importe où elle atterrit, |
| |
ce sera notre pire cas. 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 simplement qu'il vaut mieux être un peu conservateur, pour s'assurer que nous concevons un appareil qui fonctionnera vraiment et qui ne rencontrera 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. |
| |
Imaginez donc que nous fabriquions des bureaux réglables pour la salle de classe et que nous voulons que notre bureau fonctionne pour 99 % de la population. |
| |
la taille et la largeur d'une personne. |
| |
Désormais, lorsque vous disposez de JMP, il est livré 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, leur taille et leur poids. Nous pouvons donc utiliser cet ensemble de données pour nous aider à déterminer les limites de taille et de poids qui couvrent 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. |
| |
OK, si je reviens à notre problème, |
| |
notre approche actuelle, qui, selon nous, peut être améliorée, consiste à trouver indépendamment des limites de prédiction de 95 % ou 99 % pour la résistance et la capacité. |
| |
Et dans cet exemple où je regarde simplement une résistance et une capacité, nous trouverions deux limites distinctes. |
| |
Ainsi, à titre d'exemple, nous trouverions la limite de prédiction de 95 % pour la résistance, qui est 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 bleues verdâtres, puis nous trouverions les combinaisons pour obtenir cette étoile jaune et ce pentagone violet, ce qui correspond à notre pire cas. |
| |
Nous avons maintenant quelques inquiétudes concernant cette approche. Et la première préoccupation concerne le taux d’erreur de type I. Alors, quand je trouve une limite de 95 % pour la résistance 1 et une limite de 95 % pour la résistance... |
| |
pour la capacité 1, gardez à l'esprit que j'ai huit variables, globalement je connais mon niveau de confiance, pas 95 %. Et ce que c'est dépendra de la corrélation entre les variables. |
| |
Nous pouvons maintenant surmonter cet obstacle en effectuant un ajustement alpha, mais il y a un autre obstacle dont je voulais discuter et qui nous préoccupe un peu plus. |
| |
Bon, 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 limite du pire des cas, donc si nous devions l'utiliser, cela serait extrêmement conservateur. |
| |
Et lorsque nous concevons notre appareil, il y aura un coût et un élément de temps qui y 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 à ce sujet. |
| |
D'accord, il existe des approches alternatives faciles à mettre en œuvre dans JMP que nous voulions considérer comme solutions à ce problème, et la première concerne les ellipses de densité. |
| |
Et cela se trouve dans la plate-forme d'ajustement Y par X, donc si j'atteins ce triangle rouge lors d'un ajustement bivarié, je peux choisir une ellipse de densité, et dans ce cas, j'ai choisi une ellipse à 95 %. Et j'obtiens 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, elle 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 de savoir que se passe-t-il si vous avez plus de deux variables ? Dans ce cas, JMP n'a pas d'option simple |
| |
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 d'alpha et il sera assez difficile de déterminer quels points nous voulons utiliser comme ???. |
| |
Maintenant, il y a aussi une autre préoccupation très mineure dans cette approche : et si nous étions intéressés par ce coin haut/haut ou par ce cercle jaune ? Quel point de l'ellipse choisissons-nous ? |
| |
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 assez délicat. Nous ne sommes pas sûrs que ce problème soit facilement résolu. |
| |
Très bien, il existe une autre approche que nous pouvons... nous pouvons... qui se fait facilement dans JMP et qui concerne les composants principaux. |
| |
Et ce que font les composants principaux, c'est qu'ils créent de nouvelles variables, et JMP les nommera Prin 1 et Prin 2, |
| |
de telle 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 les limites du pire cas. |
| |
Et cela se trouve dans la plateforme des méthodes multivariées, donc si vous analysez les méthodes multivariées, les composantes principales, nous pouvons demander ces composantes principales. |
| |
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 sur lesquelles je voulais essayer de trouver ce pire cas simultanément... des limites simultanées, |
| |
mais JMP pourrait revenir et dire : ok, nous avons trouvé trois principes principaux qui aident vraiment à expliquer ce qui se passe. |
| |
Et dans ce cas, nous avons trois équations et 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 des composants principaux. |
| |
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 certaines 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, il y a des données là-bas et que nous ne sommes pas coincés dans une situation où il n'y a pas de données. Là encore, une solution pratique et simple peut suffire. |
| |
D'accord, 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-voisins les plus proches 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 comprendre cela, regardons un exemple. Alors concentrons-nous sur ce point qui est 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 chaque autre point de l'ensemble de données. |
| |
Et puis je peux trier les distances de la plus petite à la plus grande, puis je peux sélectionner celles que je veux. |
| |
Ainsi, 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 ceux qui sont les plus proches du le 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 disposez d'un grand ensemble de données, |
| |
on peut d'abord trouver la médiane +/-3 écarts types pour chaque variable (et je tiens à le souligner, vous pouvez aussi utiliser la moyenne), |
| |
et ce faisant, nous définissons ce que nous appelons nos coins ciblés, ou nos coins souhaités, et c'est le plus bas le plus élevé... en fonction du plus bas du point haut de chaque variable. |
| |
Et puis, ce que nous allons faire, c'est trouver la distance entre chaque point et ce coin ciblé, nous trierons 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, je vais vous expliquer 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, c'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 appelons cela 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-voisins les plus proches des coins ciblés. Donc à titre d'illustration, vous pouvez voir les cinq points en jaune |
| |
sont les cinq points les plus proches de l’étoile jaune, et les cinq points violets 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 puis nous utiliserons cela pour nous aider à concevoir notre appareil. |
| |
Maintenant, je veux vous montrer ces points relatifs 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 ainsi qu'elle a été conçue. |
| |
De plus, ce n'est pas trop conservateur pour nous, donc nous n'avons pas à payer ce coût supplémentaire, si vous préférez, lors de la conception de l'appareil et nous n'avons pas eu à nous soucier de la distribution des données. Les corrélations ne concernent vraiment pas la manière dont nous résolvons notre problème. |
| |
Très bien, disons que vous étiez intéressé par les limites haut/haut et bas/bas, ce pentagone bleu clair ou l'étoile bleue plus foncée. Cette méthode fonctionne également. |
| |
Et ce que vous voyez dans les ellipses noires, notre solution, c'est que nous avons encore une fois des points de données ici. |
| |
Et donc, pour nous, c’est une approche merveilleuse car, surtout par rapport à notre approche actuelle, elle n’est pas trop conservatrice. C'est peut-être un peu conservateur, mais ce n'est pas aussi conservateur que ce pentagone et cette étoile. |
| |
D'accord plus tôt, j'ai fait quelques commentaires sur la façon dont nous l'abordons et il y a quelques choix, donc je veux discuter maintenant du choix de K et devrions-nous faire une moyenne ? |
| |
Et pour moi, 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'ai 1 000 points de données et que je veux être sûr à 95 %. |
| |
Dans ce cas, je peux prendre la 25ème distance la plus proche pour les deux virages 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 mes 95 % confiance. |
| |
Je pourrais donc simplement prendre la 25ème distance la plus proche et avoir terminé. C'est une approche. Je peux également 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 existe donc différentes manières de gérer cela. |
| |
Dans nos besoins particuliers, encore une fois, nous avons des échantillons de très grande taille et nous voulons être un peu conservateurs et nous ne sommes pas guidés par des niveaux de confiance de 95 % ou de 99 %. Donc, à titre d'illustration, |
| |
ces cercles orange sur le graphique de droite, ils peuvent représenter, à titre d'exemple, l'intervalle de confiance de 95 % et il peut s'agir simplement de la moyenne de cinq points ou peut-être de la 25ème 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 des ellipses noires et vous pouvez voir qu'elles s'éloignent et cela fait un peu plus conservateur. |
| |
Et donc nous faisons cela de manière intentionnelle, un peu plus conservatrice. |
| |
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 avons un peu de nature conservatrice là-dedans, mais nous ne sommes pas excessivement conservateurs. |
| |
Bien. Alors, quels sont 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 variables de corrélation ou 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'elles dépendent en partie de cette grande taille de données. Nous pouvons créer un script dans un complément de JMP pour effectuer facilement les calculs. |
| |
Le point négatif est que cela nécessite un ensemble de données de taille décente, car si vous voulez par exemple un niveau de confiance de 99 %, un niveau de confiance très 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 du côté haut, vous entrez, par exemple, nous voulons les valeurs élevées de la résistance et c'est dans cette mise en évidence verte. Si je passe au surlignage violet, 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’exprimer la confiance que vous souhaitez. |
| |
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 aurez exécuté ce complément, il déclenchera les scripts et le résultat sera une table JMP. |
| |
Et dans ce tableau JMP, la première chose que je veux souligner dans cette mise en évidence, dans cette mise en évidence 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. qui nous intéressait. |
| |
Et donc à partir de là, nous construirons le coin souhaité, ce serait donc la médiane moins trois écarts types pour le côté bas et le milieu 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 |
| |
vers ce coin souhaité. Et puis nous allons trouver dans cet exemple les cinq points les plus proches de ce coin souhaité, et ce sont les valeurs du quartier. Ils vont être notre vecteur de cinq valeurs. Les indices de quartier, je vous l'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 pires valeurs des cas ou ce sont les pires valeurs que nous utiliserions pour nous aider à concevoir l'appareil. |
| |
Maintenant, nous avons également une colonne ici appelée Score Z du voisin, et ce que c'est, elle prend cette moyenne voisine, notre solution, et fonctionne en quelque sorte à rebours et voit à combien d'écarts types elle se trouve 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 constatons, c'est que pour obtenir ce que nous voulons, nous pouvons en fait utiliser un multiplicateur beaucoup plus petit. Cela nous aidait simplement à savoir à quel point notre méthode actuelle est conservatrice ou trop conservatrice. Il n'est utilisé dans aucun calcul, sauf simplement pour nous aider à comprendre. |
| |
Très bien, j'ai mentionné ces quartiers... excusez-moi, les indices des voisins. Ainsi 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 quelles sont les cinq lignes qui 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 codage couleur. Alors plus tôt, 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, il suffit de changer les couleurs juste... juste après avoir exécuté le complément. |
| |
Très bien, voici à quoi ressemble le résultat pour nos huit variables. |
| |
Et vous pouvez voir que les points verts représentent les valeurs de faible résistance/capacité élevée, les points rouges représentent les valeurs de résistance élevée/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 réellement le problème pour les huit variables. Ainsi, pour certaines variables, cela peut être extrême, pour d’autres, cela peut ne pas l’être, et cela nous convient parfaitement. |
| |
Mais encore une fois... et ce faisant, cela aide à comprendre les relations entre nos variables et cela serait encore une fois un affichage graphique de ce que serait notre solution finale, notre pire cas... nos pires valeurs. |
| |
D'accord, si je reviens à cet ensemble de données BigClass juste pour illustrer le complément, et je tiens à reconnaître qu'il s'agit d'un petit ensemble de données. Ceci est uniquement 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 procédant à nouveau, comme avant, je vais obtenir la médiane et l'écart type. Je vais l'utiliser pour trouver la limite. |
| |
Et c'est le coin que je souhaite, alors je vais trouver les cinq voisins 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 du degré de prudence de cette méthode. |
| |
D'accord, 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 en bleu clair, c'est là que nous demandons à l'utilisateur de saisir les variables qui sont... que nous trouvons du côté haut et les variables du côté bas. |
| |
Dans cette couleur cuivrée, c'est là que nous obtenons le centile et c'est en fait un nombre. |
| |
Et vous pouvez également voir aux lignes 222 et 223, c'est ce que nous construisons une fonction de rappel. |
| |
Très bien, l'une des choses que nous aimons faire est le contrôle de la qualité des données, donc vous savez que nous voulons que cela soit aussi infaillible que possible, à l'épreuve des erreurs. |
| |
Et ainsi, par exemple, vous devez saisir ce niveau de confiance sous forme de nombre, et ainsi, nous effectuons une vérification pour nous assurer qu'il est compris entre zéro et 100 ou l'utilisateur reçoit un message d'erreur l'informant qu'il doit modifier sa saisie. |
| |
De même, en bas, nous avons besoin de quelque chose dans la liste basse ou dans 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. En d'autres termes, il prend en compte les hauts et les bas que vous avez saisis. |
| |
et renvoie un dictionnaire ou un tableau associatif contenant 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 y avait-il, quelle est la médiane, quel est l'écart type. En violet, il fera ce calcul et nous obtiendra ce que nous désirons. |
| |
coin ou coin ciblé, que nous allons appeler notre limite. Et puis en bleu, cet AA, c'est notre réseau associatif et cela apporte toutes les informations ou stocke toutes ces informations dont nous avons besoin pour l'étape suivante. |
| |
Très bien, à partir de maintenant, nous commençons à calculer ces distances. Et ainsi vous pouvez voir dans le 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 tri, d'ordonnancement de ces distances, puis de retirer 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, quand une personne travaille sur un scénario, malheureusement, elle est attirée vers autre chose, et quelqu'un d'autre peut le faire. |
| |
terminez-le, donc c'est vraiment sympa d'avoir ces commentaires pour que quelqu'un d'autre puisse prendre le relais et vraiment comprendre ce qui se passe. |
| |
En plus c'est bien que ces commentaires, même si tu es le seul à travailler dessus, que si tu dois y revenir, tu sais, des années plus tard, tu te souviens de ce que fait chaque étape. Nous faisons donc de notre mieux pour mettre des commentaires. |
| |
Très bien, finalement, ce que nous faisons, vous savez, c'est que nous parcourons le côté bas et le côté haut et que nous renvoyons certaines valeurs dans un dictionnaire. Et vous pouvez voir en bleu, ce que nous faisons, c'est supprimer les voisins minimaux et c'est ce vecteur qui est sorti dans la sortie. |
| |
Ensuite, nous prenons la moyenne d'entre eux 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 qu'on a eu l'information, toutes ces distances, on les a triées, |
| |
nous récupérons ensuite les informations dont nous avons besoin pour ensuite construire un tableau qui nous appartient. |
| |
Très bien, alors mettons tout cela ensemble. Notre problème de motivation est que nous voulions trouver ces limites simultanées du pire 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 résolvons ce problème, nous savons que les données peuvent ou non suivre 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 le résultat est facile à comprendre, et il nous aide à créer rapidement ces graphiques que nous pouvons coder en couleur, afin que nous puissions les montrer aux autres. |
| |
Très bien, merci beaucoup. |
