무료 온라인 과정에서 자세히 알아보십시오.
산업문제 해결을 위한 통계적 사고
이 비디오에서는 다음을 사용합니다. 화학 제조 예를 들어 연속 응답에 대한 회귀 트리를 맞춥니다. 생산하다 . 이 데모에서는 JMP Pro를 사용합니다.
이 프로세스에 허용되는 수율은 80%입니다.
데이터는 학습 및 검증 데이터로 분할되었습니다. 관측치의 60%는 훈련 세트에 무작위로 할당되었고 관측치의 40%는 검증 세트에 있습니다.
학습 데이터에 회귀 트리를 맞추고 검증 데이터를 사용하여 트리 성장을 중지할 시기를 결정합니다.
이를 위해 Analyze 메뉴에서 Predictive Modeling을 선택한 다음 Partition을 선택합니다. 우리는 선택 생산하다 Y, 응답 변수로 두 예측 변수 그룹을 X, 요인으로 선택합니다.
JMP Pro에서 모델 검증을 사용하기 위한 다양한 옵션이 있습니다. 한 가지 방법은 홀드아웃 부분을 지정하는 것입니다. 예를 들어 에 사용할 데이터의 40%를 모델 외부에 보유할 수 있습니다.
대신 유효성 검사 열을 사용합니다. 이 열을 유효성 검사 역할로 끌고 확인을 클릭합니다.
검증을 사용하고 있기 때문에 JMP는 이동 버튼을 제공합니다. 이 버튼을 클릭하여 트리를 자동으로 만든 다음 다시 잘라냅니다.
트리가 조금 크므로 꺼둡니다. 이를 위해 위쪽 빨간색 삼각형, 표시 옵션을 사용하고 트리 표시를 선택 취소합니다.
최종 모델에는 7개의 분할이 있습니다.
하단에서 분할 기록을 볼 수 있습니다. 이것은 작은 데이터 세트이므로 8개의 분할만 가능합니다. 모델은 7개의 분할로 다시 정리되었습니다. 이것은 검증 세트에서 최대 RSquare 값을 가진 모델입니다.
RSquare와 RMSE는 모두 모델을 구축하는 데 사용된 훈련 데이터에 더 좋습니다. 이것은 그만큼 모델이 검증 데이터에 맞는 것보다 훈련 데이터에 더 잘 맞습니다.
이를 확인하기 위해 상단 빨간색 삼각형에서 Plot Actual by Predicted Plot을 선택합니다. 데이터 포인트는 검증 세트에 있는 것보다 훈련 세트에 대해 훨씬 더 밀접하게 클러스터링되어 있습니다.
이 플롯은 데이터에 설명할 수 없는 변동이 여전히 많이 있음을 알려줍니다.
이 모델에 어떤 변수가 관련되어 있는지 살펴보겠습니다. 이를 위해 상단의 빨간색 삼각형에서 열 기여도를 선택합니다. 모델에는 5개의 변수만 포함됩니다.
마지막으로 리프 보고서를 살펴보겠습니다. 상단 빨간색 삼각형에서 이 옵션을 선택합니다. 이 프로세스에 허용되는 수율은 80%임을 기억하십시오. 가장 높은 예측 수율은 87.3입니다.
현재 프로세스를 고려할 때 규칙은 더 높은 수율을 달성할 수 있는 방법에 대한 몇 가지 지표를 제공합니다.
