내 예측 모델에 영향을 미치기 위해 새 도구에서 감지된 변화를 업데이트하려면 어떻게 해야 합니까?DOE를 수행하고 예측 목적으로 LMS 모델과 NN 모델을 개발했습니다. 새로운 도구에서 우리는 몇 가지 테스트를 실행했고 약간의 변화를 발견했습니다. 이제 우리가 이미 발견한 이전 상호 작용을 기반으로 하지만 예측을 개선하기 위해 적절한 변화를 추가하고 싶습니다. 어떤 제안?고급 통계 모델링기본 데이터 분석 및 모델링실험 설계예측 모델링 및 기계 학습Re: 내 예측 모델에 영향을 미치기 위해 새 도구에서 감지된 변화를 업데이트하려면 어떻게 해야 합니까?이 문제를 처리할 수 있는 세 가지 가능한 방법이 있습니다. 먼저, '이동'이라고 하면 응답 공간의 총 평균의 변화를 의미한다고 가정하겠습니다. 그러나 적합 표면의 다른 모든 측면은 일관된 것으로 간주됩니다. '이동'이 다른 것(분산, 기울기(선형, 곡선 또는 기타 모양), 점근선(확실한 경우) 및 켜짐)인 경우 첫 번째 제안은 음소거입니다. 가장 간단한 방법은 예측 수식을 열에 저장한 다음 '이동'의 크기인 수식에 상수를 추가하는 것입니다. 다음으로 할 수 있는 가장 간단한 작업은 '도구'를 열로 사용하여 새 모델을 빌드한 다음 '이전' 도구에 대한 열 수준 내에서 용어로 '새 도구'를 추가하고 새 모델을 빌드하는 것입니다. . 세 번째 옵션은 두 가지 모델을 유지하는 것입니다. 하나는 원래 분석용이고 두 번째는 '새 도구'용입니다. 저라면...세 가지 모두를 시도해보고 당면한 실제 문제를 해결하는 데 어떤 경로가 도움이 되는지 알아볼 것입니다.
하지만 이제 몇 가지 추가 질문이 있습니다.
1. 'LMS 모델'이란?
2. 신경망 모델에 끌린 이유가 궁금합니다. 일반적으로 DOE 기반 모델링 작업에서 설계는 특정 구조의 선형 모델을 추정하기 위해 명시적으로 구성됩니다. 특히 최적의 DOE 방법을 사용하는 경우. 그리고 고전적인 DOE 방법을 사용하더라도 배후에는 암시적 모델이 있습니다. 그렇다면 왜 신경망인가? 선형 모델이 너무 짧은 것 같아요? 그리고 추정하려는 정말 비선형 유형의 표면이 있습니까? 하지만 다시 생각해보니... 사고 과정 뒤에 있는 것은 무엇일까요?
Re: 내 예측 모델에 영향을 미치기 위해 새 도구에서 감지된 변화를 업데이트하려면 어떻게 해야 합니까?Pete는 귀하가 제공한 정보를 바탕으로 그의 조언에 훨씬 더 관대합니다.불행히도 저에게는 충분한 컨텍스트를 제공하지 않았습니다.몇 가지 생각이 있지만 추측일 뿐입니다.
지식 연속체에서 당신은 어디에 있습니까? 1 DOE를 실행하고 유용한 예측 공식에 도달했다고 생각하십니까? (아마도, 일반적으로 모델 개발에는 반복이 필요합니다).당신은 단지 1개의 Y(응답 변수, 우리가 다변량 세계에 살고 있기 때문에 있을 것 같지 않음)를 가지고 있습니까?내 생각에 신경망 외에 최소 제곱 모델을 의미합니까? 이들은 모델 구축을 위한 두 가지 완전히 다른 전략입니다.하나는 지식을 기반으로 하고 다른 하나는 확률(데이터의 패턴)을 기반으로 합니다.그들은 얼마나 비슷합니까?얼마나 유용합니까?그들은 실제로 얼마나 잘 예측합니까?잔차는 어떻게 생겼습니까?
새로운 도구를 도입하고 효과를 보았으므로 가설은 무엇입니까? 새 도구가 모델의 다른 요소와 상호 작용할 수 있으므로 변화를 "추가"할 수 없을 수도 있습니다.또한 변화를 설명하는 새로운 도구라고 얼마나 확신하십니까?변경된 사항이 있습니까?
응답에 영향을 미칠 수 있는 모든 가능한 요인을 파악하지 못한 것 같습니다.아마도 스크리닝으로 돌아가서 추론 공간을 늘리고(노이즈 변화에 따른 더 많은 요인) 모델을 구축하기 위해 순차적 반복을 계속해야 할 것입니다.
Re: 내 예측 모델에 영향을 미치기 위해 새 도구에서 감지된 변화를 업데이트하려면 어떻게 해야 합니까?안녕,
먼저 귀하의 답변에 감사드립니다.
따라서 문제의 일부는 각 도구에 대해 처음부터 다시 실행하지 않을 대규모 실행 데이터베이스가 있다는 것입니다.그리고 각 도구에는 변화가 있지만 범위 전체에서 일관성이 없습니다(재실행 데이터에서 이를 확인했습니다). 이러한 옵션을 고려할 때 추가된 도구 열의 중간 항목이 이치에 맞고 이전 효과를 완전히 배제하지 않을 것이라고 생각합니다.
1. LMS - 최소 제곱 평균 - 기본 선형 모델링 옵션입니다.
2. 우리는 DOE용으로 적절하게 설계되지 않은 기존 데이터베이스를 사용하고 싶었기 때문에 이것은 흥미로웠습니다. LMS DOE 분석을 실행하려고 하면 많은 교란 요인이 나타나므로 특이점을 제어하여 '끌 수' 있습니다. 보간하지만 공간을 올바르게 설명하지 않습니다.나는 NN이 이런 의미에서 더 강력하다는 것을 알았습니다. 확률 모델이기 때문에 이상적이지는 않지만 이러한 공백을 채웁니다.
Re: 내 예측 모델에 영향을 미치기 위해 새 도구에서 감지된 변화를 업데이트하려면 어떻게 해야 합니까?안녕,
입력해 주셔서 감사합니다.
나는 당신의 추론에 전적으로 동의하며 모든 매개변수에 걸쳐 적절한 스크리닝 설계를 실행하는 것이 많은 의미가 있습니다.이 접근 방식을 시도해 보겠지만 때때로 수행된 모든 테스트를 제어할 수 없습니다.
이전 의견에서 NN이 상호 작용에 대해 더 나은 '공간 채우기'를 제공하는 이유를 언급했듯이 프로세스에 대한 지식에 대한 이러한 가정이 마음에 들지 않습니다.
그럼에도 불구하고 내 질문은 업데이트된 결과에서 예측 목적으로 NN 모델을 지속적으로 업데이트하는 방법에 대한 고유한 장점이 있다고 생각합니다. SPC의 EWMA 차트와 유사한 현재 프로세스 결과에 대한 가중치 기능이 있는 것을 생각하고 있었습니다.
Re: 내 예측 모델에 영향을 미치기 위해 새 도구에서 감지된 변화를 업데이트하려면 어떻게 해야 합니까?언어 설명의 요점...이 방법은 일반적으로 Least Squares, Ordinary Least Squares 또는 Standard Least Squares라고 합니다(따라서 LMS를 사용하는 혼동).이것은 라인에서 잔차의 제곱 편차(제곱의 합)를 최소화(최소)하여 데이터를 통해 최적의 라인을 추정하는 회귀 절차입니다.
https://www.jmp.com/support/help/en/18.0/?os=mac&source=application#page/jmp/example-of-simple-linear-regression.shtml#ww892978
