JMP Pro를 사용하면 본질적으로 데이터와 관련된 다양한 문제를 쉽게 해결할 수 있습니다. 기능의 다음과 같은 형태로:
- 시계열 데이터
- 제조 공정에서 발생하는 센서 스트림
- 다양한 온도에서 측정
- 스펙트럼: IR, 크로마토그래피, 질량분석기, 핵자기공명
기능적 반응 설계 실험 분석에 중점을 두고 기능적 데이터 분석의 기본 개요를 살펴보고 Functional Data Explorer를 사용하여 JMP Pro 16에서 사용할 수 있는 기능을 강조합니다.Functional Data Explorer는 데이터를 효율적으로 사용하고 해석하기 쉽고 곡선/스펙트럼의 모양이 주요 개체인 결과를 생성합니다.
그런 다음 화학, 제약, 생명공학 산업에서 만연한 문제를 해결하는 데 특히 유용한 스펙트럼 데이터 분석을 용이하게 하기 위해 JMP Pro 17에 추가된 기능에 대해 알아보세요.
Chris가 실시간 웹 세미나 중에 답변한 질문 @chris_gotwalt1 그리고 라이언 파커 @라이언파커 :
Q: PCA를 실행해도 JMP는 여전히 동일한 고유값을 제공합니까?
A: 형상 함수를 재구성하기 위해 모델 계수에 대해 기능적 PCA가 수행됩니다. 따라서 입력 공간의 순서를 존중하는 것이 일반 PCA와는 다른 작업입니다.
Q: 전체 곡선을 최대화하려는 경우 시간을 잠금 해제해야 합니까? 아니면 곡선을 최대화하는 다른 방법이 있습니까?
A: 바람직함 기능을 사용하여 창의성을 발휘해야 할 수도 있고, 시작하려면 몇 가지 선택 시점을 시도하여 합의가 있는지 확인해야 할 수도 있습니다. 프로파일러에서 시도하고 최대화하기 위해 "요약 저장"을 사용하고 응답 요약을 생성해야 할 수도 있습니다.
Q: 내부의 농도를 사용하여 (NIR) 스펙트럼을 모델링할 때 웨이블릿이나 스플라인을 권장하시겠습니까?
A: 먼저 Wavelet을 사용해 보는 것이 좋습니다.
Q: Fit Curve에서 DOE 요인에 대해 유사한 기능을 얻을 수 있다는 것을 알고 있습니다. 비선형 모델로서 Wavelets 아래의 드롭다운에 옵션을 추가하려는 비전이 있습니까? 더 많은 비선형 모델이 추가될 예정인가요? 현재 Fit Curve에서는 제한되어 있으며 Fit에 없습니다.
답: 동의합니다. Fit Curve 플랫폼은 다행히도 새로운 기능을 쉽게 추가할 수 있습니다. 제안 사항이 있으면 support@jmp.com으로 보내거나 JMP 사용자 커뮤니티의 위시 리스트에 보내주세요.
Q: 대상 함수가 복사되어 끝에 붙여넣어졌나요(Target이라고 표시됨)? 그럼 여전히 분석에 사용되지만, 타겟으로도 사용된다는 건가요?
A: 대상 함수를 로드한 후에는 유효성 검사 데이터로 처리됩니다. 따라서 모델을 피팅할 때 더 이상 사용되지 않으며 대신 분석에서 제외됩니다.
Q: 그렇다면 Z 정보가 없는 곡선/스펙트럼만 로드하면 FDE의 잠재력을 최대한 활용하지 못하는 것입니까? 아니면 이에 대한 사용 사례가 있습니까?
A: 제조 공정의 곡선을 보고 대규모 다기능 데이터 세트를 이해하기 시작하기 위해 일반적인 변형의 종류를 식별하고 싶다고 가정해 보겠습니다. 그런 의미에서 벡터 다변량 데이터에 주성분을 사용하는 것과 거의 동일한 방식으로 FDE를 사용하게 됩니다. 오늘 여기서는 다루지 않는 일종의 분석도 있습니다. 함수를 입력으로 사용하고 함수를 예측하지 않고 대신 함수를 사용하여 주요 품질 속성을 예측할 수도 있습니다.이 경우 이를 보조 변수로 로드한 다음 마지막에 기계 학습 연습을 수행하여 함수를 입력으로 사용하여 주요 품질 특성을 예측합니다.
Q: 대상 함수가 복사되어 끝에 붙여넣어졌나요(Target이라고 표시됨)? 여전히 분석에 사용되지만 대상으로도 사용됩니까?
A: 대상 함수를 로드한 후에는 검증 데이터로 처리되며 모델을 피팅할 때 더 이상 사용되지 않습니다.대신 분석에서 제외됩니다.
Q: 일반 DOE의 크기를 정할 때 설계 공간의 비율을 사용하고 80% FDS 값을 확인하여 주어진 무작위 노이즈 수준으로 주어진 시작 모델에 필요한 샘플 크기를 결정합니다. 기능적 DOE를 수행할 때 내 반응이 스칼라가 아닌 곡선이 될 것이라는 사실을 고려해야 합니까? 즉, 데이터를 평활 함수로 변환하는 추가 단계를 설명하기 위해 더 큰 샘플 크기가 필요합니까? 저는 Functional DOE에 얼마나 많은 곡선이 필요할지 결정하는 느낌을 얻으려고 노력하고 있습니다.
A: 뒤에서는 함수를 스칼라로 변환하고 있습니다. 그래서 제가 사용하게 될 디자인 진단은 이전과 동일할 것이라고 생각합니다. 따라서 맞춤형 디자이너가 제안한 디자인의 품질을 평가하기 위해 FDE 플롯을 사용하는 경우, 사용 가능한 스칼라 분석 위에 기능적 DOE 분석을 구축하고 있기 때문에 이를 계속 사용할 수 있다고 생각합니다. 실제로 스칼라 DOE에 대해 배운 모든 내용은 기능적 DOE로 확장되어야 합니다.
Q: 데이터를 전처리하지 않고 원시 데이터를 사용할 수 있나요?
A: 예, 원시 데이터를 정리, 하위 집합 또는 변환할 필요가 없다고 생각하는 경우 데이터를 변경하지 않고 바로 평활화 단계로 이동할 수 있습니다.
Q: 일반 그리드란 무엇입니까?
A: 일반 그리드는 연속된 X 사이의 간격이 동일한 곳입니다. 예를 들어, X 값 세트는 일반 그리드이므로 {0, .5, 1, 1.5, 2, 2.5, 3}입니다. 불규칙한 그리드는 {0, .2, .7, 1.1, 1.2, 1.3, 2.4, 2.9}와 같을 수 있습니다.
Q: Symlet6과 Symlet20의 차이점은 무엇입니까?
A: 일반적으로 6 대 20과 같은 지수는 복잡성을 증가시킵니다. 당신이 가면 https://wavelets.pybytes.com/wavelet/sym2/ 다양한 심렛의 다양한 사진을 볼 수 있습니다.
전반적으로, 나는 다양한 웨이블릿 유형과 순서에 대해 배울 필요가 없다고 생각했습니다. 데이터를 통해 어느 것이 가장 좋은지 결정하고 진단 플롯을 살펴보고 적합성이 좋은지 확인할 수 있습니다. 일반적으로 작업하려는 모양 함수의 수를 조사하는 데 더 많은 시간을 할애하고 싶을 것입니다.
Q: 표시된 모든 웨이블릿은 0 수준 기준선 아래로 떨어지기 때문에 전체 범위에 걸쳐 0으로 통합되는 반면, 피크는 피크 아래의 양수 영역으로 통합됩니다. 이것이 맞다면, 모델링된 기능과 모델 사이의 질적 격차를 어떻게 메울 수 있습니까?
A: 이는 데이터의 이산 웨이블릿 변환을 통해 발생합니다.
Q: JMP에서 FDA를 수행하려면 모든 곡선의 모양이 유사해야 합니까? 하나의 데이터 세트에 다양한 유형의 모양(예: 정규, 지수, 이봉, 편향 등)이 있으면 어떻게 되나요?
답: 아니요.유사할 필요는 없습니다. 매우 다른 모양에 어려움 없이 맞는 스무딩 모델과 크게 다른 모양 사이의 큰 차이는 기능적 주성분 분석에서 나타납니다.
Q: 새로운(미래) 데이터(예: 새로운 스펙트럼)와 함께 사용할 형상 함수와 예측 모델을 저장할 수 있습니까?
답: 그렇습니다. 웨이블릿 모델 적합에는 예측 모델을 저장하는 데 사용할 수 있는 "함수 요약"이라는 개요 노드가 있으며, 기능 DOE 예측 모델을 저장하여 함수 DOE 모델 외부에서 직접 작업할 수도 있습니다. 플랫폼(예: 독립 실행형 Graph->Profiler).
Q: 기능적 DOE에서 신뢰구간을 얻을 수 있나요?
A: 그 질문이 여러 번 나왔는데요. 이를 수행할 수 있는 방법에 대한 몇 가지 아이디어가 있지만 신뢰 구간과 같은 불확실성 분석을 가능하게 하려면 더 많은 연구가 필요합니다.
Q: 혼합 변수는 코딩 및 모두와 함께 열 정보에 그대로 설정되어 있습니까?
A: 혼합물 코딩 열 속성이 있는 이유는 디자인이 사용자 정의 디자이너에 의해 생성되어 자동으로 생성되기 때문입니다.
자원:
크리스 @chris_gotwalt1 그리고 라이언 @라이언파커 ,
마이클 나자르코프스키 @나자르코프스키 나에게 이메일을 보냈는데, 당신을 위해 여기에 넣어두겠습니다.마이클, 고마워요.우리는 동일한 문제/생각 등을 가진 다른 사람들이 대화에 참여할 수 있도록 댓글 영역을 사용하려고 노력하고 있습니다.
NIR.jmp를 연 후( NIR 글루텐 전분 연구 ) 및 저널( JMP Pro 17에서 JMP 익히기 - FDE ) 나는 그 항목을 보았다 "파란색 스펙트럼에는 글루텐이 없고 빨간색 스펙트럼에는 모두 글루텐이 있으며 회색은 혼합물입니다." 데이터에 따르면 파란색 스펙트럼은 글루텐으로 가득 차 있고 빨간색 스펙트럼은 높은 수준의 전분과 관련되어 있는 반면 두 구성 요소는 모두 반비례로 존재하기 때문에 잘못된 것 같습니다.
내가 틀렸다면 정정해 주십시오. JMP 저널을 준비하는 동안 발생한 기계적 오류일 수도 있습니다. 그렇다면 커뮤니티 웹사이트에서 해당 항목을 수정하는 것이 좋습니다.
