JMP Pro macht es einfach, viele Arten von Problemen mit Daten zu lösen, die inhärent sind funktionell in Form, wie z.
- Zeitreihendaten
- Sensorströme aus Fertigungsprozessen
- Messungen über einen Bereich von Temperaturen
- Spektren: IR, Chromatographie, Massenspektrometrie, kernmagnetische Resonanz
Sehen Sie sich einen Überblick über die Grundlagen der funktionalen Datenanalyse an, mit Schwerpunkt auf der Analyse von Experimenten, die auf funktionale Reaktionen ausgelegt sind, und hebt die Funktionalität hervor, die in JMP Pro 16 mit dem funktionalen Daten-Explorer verfügbar war.Functional Data Explorer nutzt Daten effizient und liefert Ergebnisse, die einfach zu interpretieren sind und bei denen Formen der Kurven/Spektren das Hauptobjekt sind
Lernen Sie dann die Funktionen kennen, die in JMP Pro 17 hinzugefügt wurden, um die Analyse von Spektraldaten zu erleichtern, die besonders nützlich sind, um Probleme zu lösen, die in der chemischen, pharmazeutischen und biotechnologischen Industrie weit verbreitet sind.
Fragen, die während des Live-Webinars von Chris beantwortet wurden @chris_gotwalt1 und RyanParker @RyanParker :
F: Wenn Sie PCA ausführen, würde JMP Ihnen immer noch denselben Eigenwert geben?
A: Funktionale PCA wird an den Modellkoeffizienten durchgeführt, um die Formfunktionen zu rekonstruieren. Es ist also eine andere Operation als bei normaler PCA, die Reihenfolge des Eingaberaums zu respektieren.
F: Wenn ich versuche, die gesamte Kurve zu maximieren, sollte ich die Zeit entsperren? Oder gibt es eine andere Methode, um die Kurve zu maximieren?
A: Möglicherweise müssen Sie mit der Erwünschtheitsfunktion kreativ werden oder zunächst einige ausgewählte Zeitpunkte ausprobieren, um zu sehen, ob es einen Konsens gibt. Es ist auch möglich, dass Sie „Zusammenfassungen speichern“ verwenden und eine Zusammenfassung der Antwort erstellen müssen, um sie in einem Profiler zu maximieren.
F: Würden Sie beim Modellieren von (NIR)-Spektren mit Konzentrationen dessen, was sich darin befand, eher Wavelets oder Splines empfehlen?
A: Wir empfehlen, zuerst Wavelets auszuprobieren.
F: Ich weiß, dass Sie in Fit Curve eine ähnliche Funktion für DOE-Faktoren erhalten können. Gibt es eine Vision, eine Option in der Dropdown-Liste unter Wavelets als nichtlineares Modell hinzuzufügen? Sind weitere nichtlineare Modelle geplant? Derzeit ist es in Fit Curve begrenzt und nicht in Fit.
A: Einverstanden. Die Fit Curve-Plattform ist für uns glücklicherweise einfach, neue Funktionen hinzuzufügen. Wenn Sie Vorschläge haben, senden Sie diese an support@jmp.com oder an die Wunschliste in der JMP User Community.
F: Wird die Zielfunktion kopiert und am Ende eingefügt (als Ziel gekennzeichnet)? Es wird also immer noch in der Analyse verwendet, aber auch als Ziel verwendet?
A: Nachdem Sie eine Zielfunktion geladen haben, wird sie als Validierungsdaten behandelt. Es wird also nicht mehr beim Anpassen der Modelle verwendet und stattdessen aus der Analyse herausgehalten.
F: Das alleinige Laden von Kurven/Spektren ohne Z-Informationen würde also nicht das volle Potenzial der FDE nutzen? Oder gibt es Anwendungsfälle dafür?
A: Angenommen, Sie betrachten Kurven aus einem Herstellungsprozess und möchten die Arten typischer Abweichungen identifizieren, um einen großen multifunktionalen Datensatz zu verstehen. In diesem Sinne würden Sie FDE auf die gleiche Weise verwenden, wie Hauptkomponenten für multivariate Vektordaten verwendet werden. Es gibt auch eine Art von Analyse, über die wir hier heute nicht sprechen, bei der Sie möglicherweise die Funktionen als Eingaben haben und nicht versuchen, eine Funktion vorherzusagen, sondern stattdessen Funktionen verwenden, um ein Schlüsselqualitätsattribut vorherzusagen.In diesem Fall würden Sie diese als zusätzliche Variablen laden und am Ende eine maschinelle Lernübung durchführen, um das Schlüsselqualitätsattribut mithilfe der Funktionen als Eingaben vorherzusagen.
F: Wird die Zielfunktion kopiert und am Ende eingefügt (als Ziel gekennzeichnet)? Wird es immer noch in der Analyse verwendet, aber auch als Ziel verwendet?
A: Nachdem Sie eine Zielfunktion geladen haben, werden sie als Validierungsdaten behandelt und beim Anpassen der Modelle nicht mehr verwendet.Stattdessen wird es aus der Analyse herausgehalten.
F: Wenn ich ein normales DOE dimensioniere, verwende ich den Bruchteil des Designraums und schaue mir den 80 % FDS-Wert an, um die Stichprobengröße zu bestimmen, die für ein bestimmtes Ausgangsmodell mit einem bestimmten Grad an zufälligem Rauschen erforderlich ist. Wenn ich funktionales DOE mache, muss ich die Tatsache berücksichtigen, dass meine Antwort eine Kurve anstelle eines Skalars ist? Mit anderen Worten, muss ich eine größere Stichprobengröße haben, um den zusätzlichen Schritt der Konvertierung der Daten in glatte Funktionen zu berücksichtigen? Ich versuche nur, ein Gefühl dafür zu bekommen, wie viele Kurven ich für Functional DOE benötige.
A: Hinter den Kulissen wandeln wir die Funktionen in Skalare um. Ich denke also, dass die Design-Diagnostik, die ich verwenden würde, die gleiche wäre wie zuvor. Wenn Sie also FDE-Diagramme verwenden, um die Qualität des vom benutzerdefinierten Designer vorgeschlagenen Designs zu bewerten, können Sie dies meiner Meinung nach immer noch verwenden, da wir die funktionale DOE-Analyse zusätzlich zu den verfügbaren skalaren Analysen erstellen. Wirklich alles, was Sie über skalare DOEs gelernt haben, sollte sich gut auf funktionale DOEs übertragen lassen.
F: Ist es möglich, die Rohdaten zu verwenden, ohne die Daten vorzuverarbeiten?
A: Ja, wenn Sie der Meinung sind, dass die Rohdaten nicht bereinigt, unterteilt oder transformiert werden müssen, können Sie direkt zum Glättungsschritt gehen, ohne Änderungen an den Daten vorzunehmen.
F: Was ist ein reguläres Raster?
A: Bei einem regelmäßigen Raster sind die Lücken zwischen aufeinanderfolgenden X gleich. Beispiel: {0, 0,5, 1, 1,5, 2, 2,5, 3}, da der Satz von X-Werten ein regelmäßiges Gitter ist. Ein unregelmäßiges Raster könnte so etwas wie {0, .2, .7, 1.1, 1.2, 1.3, 2.4, 2.9} sein.
F: Was ist der Unterschied zwischen, sagen wir, Symlet6 und Symlet20?
A: Im Allgemeinen führt der Index, wie 6 gegenüber 20, zu einer zunehmenden Komplexität. Wenn du nach ... gehst https://wavelets.pybytes.com/wavelet/sym2/ Sie können verschiedene Bilder der verschiedenen Symlets sehen.
Insgesamt fand ich es nicht wirklich notwendig, etwas über die verschiedenen Wavelet-Typen und -Ordnungen zu lernen. Sie können einfach die Daten entscheiden lassen, welches das Beste ist, und sich die diagnostischen Diagramme ansehen, um sicherzustellen, dass die Anpassung gut ist. Im Allgemeinen sollten Sie mehr Zeit damit verbringen, die Anzahl der Formfunktionen zu untersuchen, mit denen ich arbeiten möchte.
F: Ich glaube, dass alle gezeigten Wavelets über den gesamten Bereich zu Null integriert werden, weil sie unter die Grundlinie des Nullpegels fallen, während Spitzen zu einem positiven Bereich unter einer Spitze integriert werden. Wenn ich richtig liege, wie schließen Sie diese qualitative Lücke zwischen der modellierten Funktion und dem Modell?
A: Das kommt durch die diskrete Wavelet-Transformation der Daten zustande.
F: Müssen alle Kurven ähnliche Formen haben, um FDA in JMP durchzuführen? Was ist, wenn ich verschiedene Arten von Formen (z. B. normal, exponentiell, bimodal, schief, ...) in einem Datensatz habe?
A: Nein.Sie müssen nicht ähnlich sein. Das Glättungsmodell passt sich problemlos an die sehr unterschiedlichen Formen an, und die großen Unterschiede zwischen den sehr unterschiedlichen Formen werden sich in der funktionalen Hauptkomponentenanalyse zeigen.
F: Können wir die Formfunktionen und das Vorhersagemodell speichern, um sie mit neuen (zukünftigen) Daten (z. B. neuen Spektren) zu verwenden?
A: Ja. In der Wavelet-Modellanpassung gibt es einen Gliederungsknoten namens "Funktionszusammenfassungen", mit dem Sie das vorhergesagte Modell speichern können, und Sie können auch das funktionale DOE-Vorhersagemodell speichern, das Sie verwenden können, um mit dem Funktions-DOE-Modell direkt außerhalb von zu arbeiten Plattform (z. B. im eigenständigen Graph->Profiler ).
F: Können wir Konfidenzintervalle vom Functional DOE erhalten?
A: Diese Frage ist mehrmals aufgetaucht. Wir haben einige Ideen, wie wir dies tun können, aber wir müssen mehr Forschung betreiben, um Unsicherheitsanalysen wie Konfidenzintervalle zu ermöglichen.
F: Sind die Mischungsvariablen in der Spalte Info so gesetzt, mit Codierung und allem?
A: Die Eigenschaft „Mischungscodierung“ ist vorhanden, weil das Design vom benutzerdefinierten Designer erstellt wurde, der sie automatisch für Sie erstellt.
Ressourcen:
