JMP Pro を使用すると、本質的にデータに関連するさまざまな問題を簡単に解決できます。機能的次のような形式で:
- 時系列データ
- 製造プロセスからのセンサー ストリーム
- 温度範囲での測定
- スペクトル: IR、クロマトグラフィー、質量分析、核磁気共鳴
Functional Data Explorer を使用して JMP Pro 16 で利用可能になった機能を強調し、機能的応答を設計した実験の分析に重点を置いて、機能的データ分析の基本の概要をご覧ください。Functional Data Explorer はデータを効率的に使用し、解釈が容易で、曲線/スペクトルの形状が主要なオブジェクトである結果を生成します
次に、JMP Pro 17 に追加されたスペクトルデータの分析を容易にする機能について学びます。これらの機能は、化学、製薬、およびバイオテクノロジー業界で一般的な問題を解決するのに特に役立ちます。
クリスによるライブウェビナーでの質問への回答@chris_gotwalt1とライアン・パーカー@ライアンパーカー:
Q: PCA を実行しても、JMP は同じ固有値を返しますか?
A: モデル係数に対して関数 PCA が実行され、形状関数が再構築されます。 したがって、入力空間の順序を尊重するのは、通常の PCA とは異なる操作です。
Q: 曲線全体を最大化しようとしている場合、時間のロックを解除する必要がありますか? または、曲線を最大化する別の方法はありますか?
A: 望ましさ関数を工夫するか、いくつかの時点を選択してコンセンサスがあるかどうかを確認する必要があるかもしれません。 プロファイラーで最大化を試みるために、「サマリーの保存」を使用して応答のサマリーを作成する必要がある場合もあります。
Q: 内部の濃度で (NIR) スペクトルをモデル化する場合、ウェーブレットとスプラインのどちらをお勧めしますか?
A: 最初にウェーブレットを試すことをお勧めします。
Q: フィット カーブでは、DOE ファクターに対して同様の機能が得られることを知っています。 Wavelets as Non-Linear Model の下のドロップダウンにオプションを追加するというビジョンはありますか? さらに非線形モデルを追加する予定はありますか? 現在、Fit Curve では制限されており、Fit には含まれていません。
A: 同意しました。 幸いなことに、Fit Curve プラットフォームは、新しい機能を簡単に追加できます。 提案がある場合は、support@jmp.com または JMP ユーザー コミュニティのウィッシュ リストに送信してください。
Q: ターゲット関数は最後にコピー アンド ペーストされますか (ターゲットとしてラベル付けされます)? それで、それはまだ分析で使用されていますが、ターゲットとしても使用されていますか?
A: ターゲット関数をロードすると、検証データとして扱われます。 そのため、モデルの適合時には使用されなくなり、代わりに分析から除外されます。
Q: Z 情報なしで曲線/スペクトルをロードするだけでは、FDE の可能性を最大限に活用できませんか? または、これの使用例はありますか?
A: 製造プロセスの曲線を見て、典型的な変動の種類を特定して、大きな多機能データ セットを理解したいとします。 その意味で、主成分がベクトル多変量データに使用されるのとほぼ同じ方法で FDE を使用します。 また、今日ここでは説明していませんが、関数を入力として使用し、関数を予測するのではなく、関数を使用して重要な品質属性を予測する分析もあります。その場合、それらを補助変数としてロードし、最後に機械学習の演習を行って、関数を入力として使用して主要な品質属性を予測します。
Q: ターゲット関数は最後にコピー アンド ペーストされますか (ターゲットとしてラベル付けされます)? それはまだ分析で使用されていますが、ターゲットとしても使用されていますか?
A: ターゲット関数をロードすると、それは検証データとして扱われ、モデルの適合時には使用されなくなります。代わりに、分析から除外されます。
Q: 通常の DOE をサイジングするとき、計画空間の割合を使用し、80% FDS 値を調べて、特定のレベルのランダム ノイズを持つ特定の開始モデルに必要なサンプル サイズを決定します。 関数 DOE を行っている場合、応答がスカラーではなく曲線になるという事実を考慮する必要がありますか? 言い換えれば、データを平滑化関数に変換する追加のステップを考慮して、サンプル サイズを大きくする必要がありますか? ファンクショナル DOE に必要な曲線の数を決定するための感覚をつかもうとしているところです。
A: バックグラウンドで、関数をスカラーに変換しています。 したがって、私が使用する設計診断は以前と同じであると思います。 したがって、FDE プロットを使用してカスタム デザイナーによって提案されている設計の品質を評価している場合でも、利用可能なスカラー解析の上に機能 DOE 解析を構築しているため、引き続き使用できると思います。 スカラー DOE について学んだことはすべて、Functional DOE にうまく拡張できるはずです。
Q: データを前処理せずに生データを使用することは可能ですか?
A: はい。生データをクリーンアップ、サブセット化、または変換する必要がないと思われる場合は、データを変更せずに直接平滑化ステップに進むことができます。
Q: 通常のグリッドとは何ですか?
A: 通常のグリッドは、連続する X 間のギャップが同じです。 たとえば、{0, .5, 1, 1.5, 2, 2.5, 3} は、X 値のセットが通常のグリッドであるためです。 不規則なグリッドは、{0, .2, .7, 1.1, 1.2, 1.3, 2.4, 2.9} のようなものです。
Q: たとえば、Symlet6 と Symlet20 の違いは何ですか?
A: 一般に、6 対 20 のようなインデックスは、複雑さの増加につながります。 あなたがに行くならhttps://wavelets.pybytes.com/wavelet/sym2/さまざまなシムレットのさまざまな写真を見ることができます。
全体として、さまざまなウェーブレットの種類と次数について学ぶ必要があるとは思いませんでした。 どれが最適かをデータに判断させ、診断プロットを見て適合が良好であることを確認できます。 一般に、使用したい形状関数の数を調査するために、より多くの時間を費やす必要があります。
Q: 表示されているすべてのウェーブレットは、ゼロレベルのベースラインを下回り、ピークはピークの下の正の領域に統合されるため、範囲全体でゼロに統合されると思います。 正しい場合、モデル化された関数とモデルの間のこの質的なギャップをどのように埋めますか?
A: これは、データの離散ウェーブレット変換によって実現されます。
Q: JMP で FDA を実行するには、すべての曲線が類似の形状である必要がありますか? 1 つのデータ セットにさまざまなタイプの形状 (通常、指数、バイモーダル、歪曲など) がある場合はどうすればよいですか?
A:いいえ。似ている必要はありません。 平滑化モデルは、非常に異なる形状に問題なく適合し、機能主成分分析では、大きく異なる形状間の大きな違いが明らかになります。
Q: 形状関数と予測モデルを保存して、新しい (将来の) データ (新しいスペクトルなど) で使用できますか?
A: はい。 ウェーブレット モデル フィットには、「Function Summaries」と呼ばれるアウトライン ノードがあり、予測モデルを保存するために使用できます。また、関数 DOE モデルを直接外部で操作するために使用できる関数 DOE 予測モデルを保存することもできます。プラットフォーム (例: スタンドアロンの Graph->Profiler )。
Q: Functional DOE から信頼区間を取得できますか?
A: その質問は何度かありました。 これを行う方法についていくつかのアイデアがありますが、信頼区間などの不確実性分析を可能にするために、さらに研究を行う必要があります.
Q: 混合変数は、コーディングとすべてを使用して、列情報でそのように設定されていますか?
A: Mixture Coding 列プロパティが存在するのは、デザインがカスタム デザイナーによって作成されたためです。カスタム デザイナーは、それらを自動的に作成します。
資力：
