JMP Pro を使用すると、本質的にデータに関係するさまざまな問題を簡単に解決できます。機能的な次のような形式で:
- 時系列データ
- 製造プロセスからのセンサーストリーム
- さまざまな温度範囲での測定
- 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 で利用できる機能に焦点を当て、機能応答計画実験の分析に重点を置いた機能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、曲線/スペクトルの形状が主要なオブジェクトである解釈しやすい結果を生成します。
次に、化学、製薬、バイオテクノロジー業界で蔓延している問題の解決に特に役立つスペクトル データの分析を容易にするために JMP Pro 17 に追加された機能について学びます。
Chris によるライブウェビナー中の質問への回答@chris_gotwalt1そしてライアン・パーカー@ライアンパーカー:
Q: PCA を実行した場合でも、JMP は同じ固有値を提供しますか?
A: 関数 PCA はモデル係数に対して実行され、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 とは異なる操作になります。
Q: カーブ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? それとも曲線を最大化する別の方法はありますか?
A: 満足度関数を工夫するか、選択した時点をいくつか試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。 また、「概要の保存」を使用して応答の概要を作成し、プロファイラーで最大化する必要がある場合もあります。
Q: 内部にあるものの濃度を含む (NIR) スペクトルをモデリングする場合、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: まずはウェーブレットを試してみることをお勧めします。
Q: フィット カーブでも DOE 係数に対して同様の機能が得られることは知っています。 [非線形モデルとしてウェーブレット] の下のドロップダウンにオプションを追加する構想はありますか? さらに多くの非線形モデルが追加される予定ですか? 現在、フィット カーブでは制限されており、フィットには含まれていません。
A: 同意します。 幸いなことに、Fit Curve プラットフォームは新しい機能を追加するのが簡単です。 ご提案がある場合は、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: ターゲット関数はコピーして最後 (ターゲットというラベルが付いている) に貼り付けられていますか? ということは、今でも分析に使われているだけでなく、ターゲットとしても使われているということでしょうか？
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ます。 そのため、モデルをフィッティングする際には使用されなくなり、代わりに解析から除外されます。
Q: Z 情報なしで曲線/スペクトルを読み込むだけでは、FDE の可能性を最大限に活用できないということですか? それともこれの使用例はありますか?
A: 製造プロセスの曲線を観察しており、大規模な多機能データ セットを理解するために典型的な変動の種類を特定したいとします。 その意味では、ベクトル多変量データに主成分が使用されるのとほぼ同じ方法で FDE を使用することになります。 また、今日はここでは説明しませんが、関数を入力として使用し、関数を予測しようとするのではなく、関数を使用して主要な品質属性を予測する一種の分析もあります。その場合、それらを補足変数としてロードし、最後に機械学習演習を実行して、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: ターゲット関数はコピーして最後 (ターゲットというラベルが付いている) に貼り付けられていますか? それは引き続き分析で使用されますが、ターゲットとしても使用されますか?
A: ターゲット関数をロードすると、その関数は検証データとして扱われ、モデルのフィッティング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 のサイズを設定する場合、設計空間の割合を使用し、80% FDS 値を調べて、ランダム ノイズの特定のレベル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 を実行するとき、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、データを滑らかな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るのでしょうか? Functional DOE に必要なカーブの数を決定する感覚をつかもうとしているところです。
A: 舞台裏で関数をスカラーに変換しています。 したがって、使用する設計診断は以前と同じになると思います。 したがって、カスタム設計者によって提案されている設計の品質を評価するために FDE プロットを使用している場合でも、利用可能なスカラー解析に基づいて機能 DOE 解析を構築しているため、それを引き続き使用できると思います。 実際、スカラー DOE について学んだことはすべて、関数型 DOE にもうまく応用できるはずです。
Q: データを前処理せずに生データを使用することはできますか?
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、データに変更を加えずに平滑化ステップに直接進むことができます。
Q: レギュラーグリッドとは何ですか?
A: 通常のグリッドは、連続する X 間の間隔が同じです。 たとえば、X 値のセットは通常のグリッドであるため、{0, .5, 1, 1.5, 2, 2.5, 3} となります。 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、インデックスが 6 対 20 のようになると、複雑さが増します。 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タイプと次数について学ぶ必要性はあまりありませんでした。 どちらが最適である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することができます。 一般に、処理したい Shape Function の数を調査するには、より多くの時間を費やす必要があります。
Q: 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っているのに対し、ピークはピークの下の正の領域に積分されているため、全範囲にわたってゼロに積分されていると思います。 正しい場合、モデル化された関数とモデルの間のこの定性的なギャップをどのように埋めることができますか?
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、すべての曲線が同様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 (例: 正規、指数、二峰性、傾斜など) がある場合はどうすればよいでしょうか?
A: いいえ。似ている必要はありません。 スムージング モデルは、非常に異なる形状にも問題なく適合し、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: 新しい (将来の) データ (新しいスペクトルなど) で使用するために、形状関数と予測モデルを保存できますか?
A: はい。 ウェーブレット モデル フィットには、予測モデルを保存するために使用できる「関数概要」と呼ばれるアウトライン ノードがあり、関数 DOE 予測モデルを保存して、関数 DOE モデルを直接操作するために使用することもできます。プラットフォーム (スタンドアロンの Graph->Profiler など)。
Q: Functional DOE から信頼区間を取得できますか?
A: その質問は何度か出てきました。 これを行う方法についてはいくつかのアイデアがありますが、信頼区間のような不確実性の分析を可能にするためにはさらに研究を行う必要があります。
Q: 混合変数は、コーディングなどを含めて列情報内でそのように設定されていますか?
A: 混合コーディング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、自動的に作成されるためです。
リソース：
クリス@chris_gotwalt1そしてライアン@ライアンパーカー、
マイケル・ナザルコフスキー@ナザルコフスキーというメールを送ってくれたので、ここに載せておきます。マイケル、ありがとう。同じ問題や考えを持つ他の人がダイアログに参加できるように、コメント領域を使用しようとしています。
NIR.jmp を開いた後 ( NIR グルテンデンプンの研究) と日記 ( JMP Pro 17 での JMP - FDE のマスタリング) そのアイテムを見ました「青いスペクトルにはグルテンが含まれておらず、赤いスペクトルはすべてグルテンであり、灰色は混合物です。」データによれば、青いスペクトルは完全にグルテンであり、赤いスペクトルは高レベルのデンプンに関連しているのに対し、両方の成分が反比例して存在するため、この考えは間違っているようです。
間違っていたら訂正してください。 JMP ジャーナルの準備中の単なる機械的エラーである可能性があります。 そうであれば、コミュニティの Web サイト上の項目を修正する価値があります。
