新しいツールで検出されたシフトを更新して、予測モデルに影響を与えるにはどうすればよいですか?私は DOE を実行し、予測を目的として LMS モデルと NN モデルを開発しました。 新しいツールでいくつかのテストを実行し、わずかな変化に気づきました。今度は、すでに発見した以前のインタラクションを基にしながら、予測を改善するために適切な変化を追加したいと思います。 助言がありますか？高度な統計モデリング基本的なデータ分析とモデリング実験計画法予測モデリングと機械学習Re: 新しいツールで検出されたシフトを更新して、予測モデルに影響を与えるにはどうすればよいですか?この問題に対処するには 3 つの方法が考えられます。 まず、「シフト」というときは、応答空間の総平均の変化を意味すると仮定しますが、近似された曲面の他のすべての側面は一貫していると見なされます。 「シフト」がそれ以外（分散、傾き（線形、曲線、その他の形状）、漸近線（明らかな場合）など）である場合、私の最初の提案はミュートです。 おそらく最も簡単な方法は、予測式を列に保存し、その式に「シフト」の大きさである定数を追加することです。 次にできる最も簡単な方法は、列として「ツール」を使用して新しいモデルを構築し、次に「古い」ツールの列レベル内で「新しいツール」を用語として追加して、新しいモデルを構築することです。 。 3 番目のオプションは、2 つのモデルを維持することです (1 つは元の分析用、もう 1 つは「新しいツール」用)。 私だったら...3 つすべてを試して、どの経路が目の前の実際的な問題の解決に役立つかを確認します。
しかし、さらにいくつかの質問があります。
1.「LMS モデル」とは何ですか?
2. なぜニューラル ネットワーク モデルに惹かれたのか興味がありますか? 通常、DOE ベースのモデリング作業では、特定の構造を持つ線形モデルを推定するために設計が明示的に構築されます。 特に最適な DOE 法を使用する場合。 また、古典的な DOE 手法を使用している場合でも、舞台裏には暗黙的なモデルが存在します。 では、なぜニューラル ネットワークなのでしょうか? 線形モデルはかなり不十分だったのではないかと思います。 そして、推定しようとしている実際に非線形のタイプの曲面があるのでしょうか? しかし、また私は推測します...では、その思考プロセスの背後にあるものは何ですか?
Re: 新しいツールで検出されたシフトを更新して、予測モデルに影響を与えるにはどうすればよいですか?あなたが提供した情報を考慮すると、ピートははるかに寛大なアドバイスを提供します。残念ながら、私にとっては、十分なコンテキストが提供されていません。いくつか考えはありますが、それは単なる推測です。
あなたは知識の連続体のどこにいるでしょうか? 1 つの DOE を実行して、有用な予測式に到達したと思いますか? (通常、モデル開発には反復が必要です)。Y (応答変数、私たちは多変量の世界に住んでいるのでありそうもない) が 1 つしかありませんか?私の推測では、ニューラルネットワークに加えて最小二乗モデルを意味しているのでしょうか？ これらは、モデル構築のための 2 つのまったく異なる戦略です。1 つは知識に基づいており、もう 1 つは確率 (データ内のパターン) に基づいています。どれくらい似ていますか?どれくらい役に立つのでしょうか？彼らは実際にどれくらい正確に予測するのでしょうか？残留物はどのように見えますか?
新しいツールを導入して効果が出たということで、どのような仮説を立てていますか？ 新しいツールはモデル内の他の要素と相互作用する可能性があるため、シフトを単に「追加」することはできない場合があることに注意してください。また、この変化を説明するのが新しいツールであるとどの程度確信していますか?他に何か変化はありましたか?
応答に影響を与える可能性のあるすべての要因を特定していないのではないかと疑っています。おそらく、スクリーニングに戻って推論空間を増やし (変化するノイズ全体にわたるより多くの要素)、連続した反復を続けてモデルを構築する必要があります。
Re: 新しいツールで検出されたシフトを更新して、予測モデルに影響を与えるにはどうすればよいですか?こんにちは、
まず、ご返答いただきまして誠にありがとうございます。
したがって、問題の一部は、ツールごとに最初からやり直すつもりのない、実行に関する大規模なデータベースがあることです。また、各ツールにはシフトがありますが、範囲全体で一貫性がありません (これは再実行データで確認されました)。 これらのオプションを考慮すると、追加されたツール列の中央のものは意味があり、以前の効果を完全に除外するものではないと思います。
1. LMS - 最小二乗平均 -- 基本的な線形モデリング オプション。
2. これは興味深いものでした。なぜなら、DOE 用に適切に設計されていない既存のデータベースを使用したかったため、LMS DOE 解析を実行しようとすると、多くの交絡因子が判明し、したがって、制御によって「オフ」にできる特異点が判明するからです。補間は可能ですが、空間を正しく記述していません。この意味では NN の方が堅牢であることがわかりました。これは確率モデルであるため理想的ではありませんが、これらの空白は埋められます。
Re: 新しいツールで検出されたシフトを更新して、予測モデルに影響を与えるにはどうすればよいですか?こんにちは、
ご意見いただきありがとうございました。
私もあなたの推論に完全に同意し、すべてのパラメータにわたって適切なスクリーニング計画を実行することは非常に理にかなっています。このアプローチを試してみますが、実行されるすべてのテストを制御できない場合があります。
前のコメントで述べたように、なぜ NN がインタラクションにおいてより優れた「空間充填」を提供したのか、私はプロセスに関するこの知識の前提に満足していません。
いずれにせよ、更新された結果から予測を目的として NN モデルを常に更新する方法についての私の質問には、それ自体の利点が依然として残っていると思います。 私は、SPC の EWMA チャートに似た、現在のプロセス結果の重み付け機能を備えたものを考えていました。
Re: 新しいツールで検出されたシフトを更新して、予測モデルに影響を与えるにはどうすればよいですか?言語を明確にする点...この方法は通常、最小二乗法、通常最小二乗法、または標準最小二乗法と呼ばれます (そのため、LMS を使用すると混乱が生じます)。これは、直線からの残差の二乗偏差 (平方和) を (最小に) 最小化することによって、データ全体で最もよく適合する直線を推定する回帰手順です。
https://www.jmp.com/support/help/en/18.0/?os=mac&source=application#page/jmp/example-of-simple-linear-regression.shtml#ww892978
