JMP Pro 可以轻松解决涉及固有数据的多种问题功能性的在形式上，例如：
- 时间序列数据
- 来自制造过程的传感器流
- 在一定温度范围内进行的测量
- 光谱：红外、色谱、质谱、核磁共振
查看功能数据分析基础知识的概述，重点是分析功能响应设计的实验，突出显示 JMP Pro 16 中使用功能数据浏览器提供的功能。Functional Data Explorer 有效地使用数据并产生易于解释的结果，其中曲线/光谱的形状是主要对象
然后，了解 JMP Pro 17 中新增的功能，以促进光谱数据的分析，这些功能对于解决化学、制药和生物技术行业中普遍存在的问题特别有用。
克里斯在现场网络研讨会期间回答的问题@chris_gotwalt1和瑞安·帕克@瑞安帕克:
问：如果您运行 PCA，JMP 仍会为您提供相同的特征值吗？
A: Functional PCA是对模型系数进行重构形函数。 因此，尊重输入空间的顺序是与普通 PCA 不同的操作。
Q：如果我想最大化整个曲线，我应该解锁时间吗？ 或者是否有不同的方法来最大化曲线？
答：您可能需要在意愿函数中发挥创意，或者开始尝试几个选定的时间点以查看是否达成共识。 也有可能您可能必须使用“保存摘要”并创建响应摘要以尝试在 Profiler 中最大化。
问：当用内部物质的浓度对 (NIR) 光谱进行建模时，您会推荐小波还是样条？
A：我们建议首先尝试 Wavelets。
问：我知道在拟合曲线中您可以获得类似的 DOE 因子功能。 是否有在 Wavelets as Non-Linear Model 下的下拉列表中添加选项的设想？ 是否计划添加更多非线性模型？ 目前在 Fit Curve 中是有限的，不在 Fit 中。
答：同意。 幸运的是，Fit Curve 平台很容易让我们添加新功能。 如果您有任何建议，请将它们发送至 support@jmp.com 或 JMP 用户社区的愿望清单。
Q：target函数是否复制粘贴到最后（标注为Target）？ 那么，它仍然用于分析，还用作目标？
答：加载目标函数后，它被视为验证数据。 因此，在拟合模型时不再使用它，而是将其排除在分析之外。
问：所以仅加载没有任何 Z 信息的曲线/光谱不会充分发挥 FDE 的潜力？ 或者有这方面的用例吗？
答：假设您正在查看制造过程中的曲线，并且想要确定典型变化的种类以开始了解大型多功能数据集。 从这个意义上说，您将以与主成分用于矢量多变量数据的方式大致相同的方式使用 FDE。 还有一种我们今天不在这里讨论的分析，您可能将函数作为输入，并且您可能不会尝试预测函数，而是使用函数来预测关键质量属性。在这种情况下，您可以加载这些作为补充变量，然后在最后进行机器学习练习，使用这些函数作为输入来预测关键质量属性。
Q：target函数是否复制粘贴到最后（标注为Target）？ 是不是还在分析中使用，还作为目标使用？
答：加载目标函数后，它被视为验证数据，在拟合模型时不再使用。相反，它被排除在分析之外。
问：当我确定常规 DOE 大小时，我使用设计分数空间并查看 80% FDS 值来确定具有给定随机噪声水平的给定起始模型所需的样本量。 当我做功能性 DOE 时，我是否需要考虑我的响应将是曲线而不是标量这一事实？ 换句话说，我是否需要更大的样本量来解释将数据转换为平滑函数的额外步骤？ 我只是想了解一下确定功能 DOE 需要多少条曲线。
答：在幕后，我们正在将函数转换为标量。 因此，我认为我将使用的设计诊断与以前相同。 因此，如果您使用 FDE 图来评估定制设计师提出的设计质量，我认为您仍然可以使用它，因为我们正在可用的标量分析之上构建功能 DOE 分析。 实际上，您所了解的有关标量 DOE 的所有内容都应该很好地扩展到功能 DOE。
问：是否可以使用原始数据而不对数据进行预处理？
A：是的，如果您认为原始数据不需要清理、子集或转换，您可以直接进入平滑步骤而不对数据进行任何更改。
问：什么是常规网格？
答：规则网格是连续 X 之间的间隙相同的地方。 例如，{0, .5, 1, 1.5, 2, 2.5, 3}，因为 X 值的集合是一个规则的网格。 不规则网格可能类似于 {0, .2, .7, 1.1, 1.2, 1.3, 2.4, 2.9}。
问：比方说，Symlet6 和 Symlet20 之间有什么区别？
A：一般来说，指数，比如6比20，会导致复杂度增加。 如果你去https://wavelets.pybytes.com/wavelet/sym2/您可以看到不同符号的不同图片。
总的来说，我还没有真正发现有必要了解不同的小波类型和顺序。 您可以让数据决定哪个是最好的，然后查看诊断图以确保拟合良好。 通常，您会希望花更多时间调查我想要使用的形函数的数量。
问：我认为所有显示的小波在整个范围内积分为零，因为它们低于零水平基线，而峰值积分为峰值下方的正区域。 如果是正确的，您如何缩小建模函数和模型之间的这种定性差距？
答：这是通过数据的离散小波变换实现的。
问：要在 JMP 中执行 FDA，是否所有曲线都需要具有相似的形状？ 如果我在一个数据集中有不同类型的形状（例如，正态、指数、双峰、倾斜……）怎么办？
答：没有。它们不需要相似。 平滑模型可以毫无困难地拟合非常不同的形状，而差异很大的形状之间的巨大差异将在功能主成分分析中出现。
问：我们能否保存形状函数和预测模型以用于新（未来）数据（例如，新光谱）？
答：是的。 在小波模型拟合中，有一个名为“Function Summaries”的大纲节点，您可以使用它来保存预测模型，您还可以保存 Functional DOE 预测模型，您可以直接在外部使用函数 DOE 模型平台（例如，在独立的 Graph->Profiler 中）。
问：我们可以从功能 DOE 获得置信区间吗？
答：这个问题已经提过好几次了。 我们对如何做到这一点有一些想法，但我们需要做更多的研究才能使诸如置信区间之类的不确定性分析成为可能。
问：混合变量是否在列信息中设置为这样，带有编码和所有？
答：存在混合编码列属性是因为设计是由自定义设计器创建的，它会自动为您创建它们。
资源：
