안녕 @scwise ,
이 자세한 게시물에 감사드리며 의도에 감사드립니다. 그러나 문서 요청의 경우 직접 제출하십시오. support@jmp.com 내부 희망 목록을 사용하는 대신. 기술 지원은 필요한 Jiras를 생성하고 적절한 문서 팀으로 전달합니다.
기록을 유지하기 위해 보관됨으로 표시합니다.
감사해요!
미아
이 위시리스트 요청에 영감을 준 것은 무엇입니까? 최근 고객 JMP 챔피언(Derrick Carter-House - Sr. Scientist Clear Labs - Derrick.carter-house@clearlabs.com ) Profiler Variable Importance Marginal Model Plot과 비교하여 Profiler Prediction Profiler의 차이점이 무엇인지 질문했습니다. 고객은 온라인 희망이 너무 기술적이고 도움이 되지 않는다는 것을 알게 되었고 이해할 수 있는 답변을 얻기 위해 SE 지원/글로벌 지원에 연락했습니다.
보고 싶은 새롭거나 개선된 기능이나 솔루션에 대해 설명해주세요. 다음은 방법론 메커니즘에 대한 기술적 설명만 포함된 프로파일러 변수 중요도 주변 모델 플롯에 대한 현재 JMP 도움말 섹션입니다. 현재의: JMP 17.1 도움말 - 변수 중요도 주변 모델 플롯 평가
빠진 것은 다른 프로파일러와 얼마나 다른지와 마진 모델 플롯을 언제 사용해야 하는지에 대한 명확한 설명입니다. 다음은 Jian Cao's( @jiancao ) 연구하고 명확하게 설명하여 고객에게 차이점과 활용 방법을 알려줍니다.
JMP Profiler의 주변 모델 그림이 예측 프로필과 어떻게 다른지에 대한 질문에 대한 대답은 이러한 그림의 목적이 다르다는 것입니다.예측 프로파일러는 적합 Y(즉, OLS)와 모델 적합성을 평가하기 위한 요인의 관찰된 값 사이의 관계를 보여줍니다.그러나 Marginal Model Plots는 시뮬레이션된 값의 평활화를 기반으로 요인의 상대적 중요성을 보여줍니다.그들은 오히려 예측 및 요인의 시뮬레이션된 값에 더 매끄럽게 맞춤으로써 요인 "중요도"를 시각적으로 표시합니다.예를 들어 Marginal Model Plot은 JMP 도움말 데이터 세트인 Car Physical Data.jmp 데이터에 구축된 모델에서 실행되었습니다.
- 변위는 그것이 가장 중요하다는 것을 나타내는 가장 엄격한 신뢰 구간을 가지고 있습니다(우리는 이미 그것이 예측된 Y의 변동성의 76%를 설명한다는 것을 알고 있습니다).
- 관찰된 데이터 포인트를 위의 Marginal Model Plots에 추가하는 옵션을 선택하면 평활화된 시뮬레이션 데이터와 비교하여 실제 데이터 포인트가 어떻게 떨어져 있는지 확인할 수 있습니다.
추가의 : 관심이 있으시면 Brady Brady( @brady_brady ), Global Enablement의 또 다른 기술 전문가는 모델 정확도를 평가하는 다른 목적을 위해 다른 방법을 사용하는 Marginal Model Plot JMP Add-In도 만들었습니다.(보다 주변 모델 플롯 - JMP 사용자 커뮤니티 )
Marginal Model Plot 스크립트를 사용한 Car Physical Data 첨부를 참조하십시오.
이 새로운 기능이 제공되면 귀하 및/또는 다른 사용자에게 어떤 가치가 있습니까?다른 사용자는 도움말 문서에 더 강력한 설명이 있는 경우 모델을 더 잘 탐색하기 위해 Profiler Variable Importance 및 Marginal Model Plots에 더 많은 관심을 가질 것입니다.
외부 고객 요청입니까? 고객 JMP 챔피언(Derrick Carter-House - Sr. Scientist Clear Labs - Derrick.carter-house@clearlabs.com ). 부담없이 연락하십시오.
우리가 알아야 할 이 기능이나 솔루션이 있는 경쟁 소프트웨어 패키지가 있습니까?알 수 없음, 제품 관리에서 확인했을 수 있습니다.
이것이 고객의 갱신, 확장 또는 채택에 영향을 미치며 이를 해결하지 않으면 계정이 위험에 처하게 됩니까?신규 및 갱신 판매 성장을 촉진하기 위해 지속적이고 심도 있는 JMP 사용을 장려하는 데 약간의 영향.
