JMP Pro 可以轻松解决涉及固有数据的多种问题功能性的形式上，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，重点介绍使用功能数据浏览器在 JMP Pro 16 中提供的功能。功能数据浏览器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 中添加的功能，以促进光谱数据的分析，这对于解决化学、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上回答的问题@chris_gotwalt1和瑞安·帕克@瑞安帕克:
问：如果运行 PCA，JMP 仍会给出相同的特征值吗？
答：对模型系数执行函数 PCA 以重建形状函数。 因此，尊重输入空间的顺序是与普通 PCA 不同的操作。
问：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：您可能需要对意愿函数发挥创意，或者开始尝试几个选定的时间点，看看是否达成共识。 您也可能必须使用“保存摘要”并创建响应摘要，以尝试在探查器中最大化。
问：当用内部物质的浓度对 (NIR) 光谱进行建模时，您会推荐使用小波还是样条曲线？
答：我们建议首先尝试小波。
问：我知道在拟合曲线中您可以获得 DOE 因子的类似功能。 是否有在小波作为非线性模型下的下拉列表中添加一个选项的愿景？ 是否计划添加更多非线性模型？ 目前在Fit Curve中它是有限的并且不在Fit中。
答：同意。 幸运的是，Fit Curve 平台很容易让我们添加新功能。 如果您有建议，请将其发送至 support@jmp.com 或 JMP 用户社区上的愿望清单。
问：目标函数是否复制粘贴到最后（标记为Target）？ 那么，还是用在分析中，而且还用做目标呢？
答：加载目标函数后，它将被视为验证数据。 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：那么仅加载没有任何 Z 信息的曲线/光谱将无法发挥 FDE 的全部潜力？ 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，并且想要识别典型变化的类型，以开始理解大型多功能数据集。 从这个意义上说，您使用 FDE 的方式与用于向量多元数据的主成分的方式大致相同。 还有一种我们今天不讨论的分析，您可能会将函数作为输入，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，您将加载这些作为补充变量，然后在最后进行机器学习练习，以使用函数作为输入来预测关键质量属性。
问：目标函数是否复制粘贴到最后（标记为Target）？ 是不是还在分析中使用，而且还作为目标呢？
答：加载目标函数后，它会被视为验证数据，在拟合模型时不再使用。相反，它被排除在分析之外。
问：当我调整常规 DOE 大小时，我使用设计空间分数并查看 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大小。 当我进行功能 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考虑将数据转换为平滑函数的额外步骤？ 我只是想了解一下功能 DOE 需要多少条曲线。
答：在幕后，我们将函数转换为标量。 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 图来评估定制设计人员提出的设计质量，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，您所学到的有关标量 DOE 的所有内容都应该很好地扩展到函数 DOE。
问：是否可以使用原始数据而不对数据进行预处理？
答：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，无需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。 例如，{0, .5, 1, 1.5, 2, 2.5, 3}，因为 X 值的集合是规则网格。 不规则网格可能类似于 {0, .2, .7, 1.1, 1.2, 1.3, 2.4, 2.9}。
问：Symlet6 和 Symlet20 之间有什么区别？
答：一般来说，索引（例如 6 与 20）会导致复杂性增加。 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阶数。 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。 一般来说，您需要花更多时间研究我想要使用的形状函数的数量。
问：我相信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，而峰值积分到峰值下方的正区域。 如果正确，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，所有曲线都需要具有相似的形状吗？ 如果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，并且不同形状之间的巨大差异将在函数主成分分析中显现出来。
问：我们可以保存形状函数和预测模型以与新（未来）数据（例如新光谱）一起使用吗？
答：是的。 在小波模型拟合中，有一个名为“函数摘要”的大纲节点，您可以使用它来保存预测模型，还可以保存函数 DOE 预测模型，您可以使用该模型直接在函数外部处理函数 DOE 模型。平台（例如，在独立的 Graph->Profiler 中）。
问：我们可以从功能 DOE 中获得置信区间吗？
答：这个问题已经出现过好几次了。 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以使置信区间等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包含编码等？
答：混合编码列属性之所以存在，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：
克里斯@chris_gotwalt1和瑞安@瑞安帕克,
迈克尔·纳扎尔科夫斯基@纳扎尔科夫斯基给我发了一封电子邮件，我把它放在这里给你。迈克尔，谢谢。我们正在尝试使用评论区，以便其他有相同问题/想法等的人可以参与对话。
打开 NIR.jmp 后（近红外麸质淀粉研究）和期刊（在 JMP Pro 17 中掌握 JMP - FDE ）我看到这个项目“蓝色光谱没有麸质，红色光谱全是麸质，灰色是混合物”这似乎是错误的，因为蓝色光谱是全麸质的，红色光谱与高水平的淀粉有关，而根据数据，这两种成分以反比例存在。
如果我错了，请纠正我。 这可能只是准备 JMP 日志时的机械错误。 如果是，则值得更正社区网站上的该项目。
