Questions répondues par Clark Ledbetter @Clark_Ledbetter et Jeff Upton @Jeff_Upton lors de la session en direct.
Q : Je pensais que les lignes de validation étaient retenues lors de l'entraînement du modèle et qu'elles permettaient de juger de la performance du modèle sur les « données invisibles ». Quelle est la différence ?
R : Les données de test correspondent aux données qui ne sont pas prises en compte dans l'ajustement du modèle. L'ensemble de validation est utilisé conjointement avec l'ensemble d'apprentissage pour éviter le surajustement du modèle. Consultez la documentation expliquant les objectifs de test, d'apprentissage et de validation pour obtenir une explication JMP.
Q : Cela peut-il être fait en utilisant Fit Curve avec JMP, si nous n'avons pas JMP Pro ou si nous souhaitons utiliser Fit Curve pour une raison quelconque ?
R : Oui, si vous disposez d'un modèle mécanique/physique connu, utilisez la courbe d'ajustement. Si ce n'est pas le cas, vous pouvez utiliser la fonction JMP Pro FDE.
Q : Existe-t-il des moyens de charger plusieurs cibles ? Sinon, puis-je exporter le modèle pour ne pas avoir à les régénérer à chaque fois ?
R : il semble qu'il n'y ait qu'une seule fonction cible que vous puissiez spécifier pour ces réponses fonctionnelles. À l'heure actuelle, vous ne pouvez gérer qu'une seule cible/terme. En ce qui concerne l'enregistrement du modèle, oui, il existe une option d'enregistrement des formules de prédiction directement depuis le profileur pour les enregistrer dans la table de données. Sous le profil graphique, vous souhaiterez probablement cliquer sur la case indiquant les formules développées pour vous en assurer. Si vous avez X entrées, cela n'optimise pas réellement la réponse que nous utilisons en fait comme outil de dépannage.
Q : Par exemple, nous pouvons vouloir générer des réponses négatives dont nous connaissons les causes connues, puis les modéliser. De cette façon, si nous rencontrons un jour des problèmes similaires, nous pouvons simplement utiliser ce modèle et identifier les causes probables ou par où commencer la recherche des causes. Comment pourrions-nous gérer cela ?
R : Pensez à regarder l'exemple de l'huile d'olive décrit dans la deuxième moitié de cette présentation JMP Discovery . Vous pouvez regarder la vidéo et lire la transcription pour trouver l'exemple de l'huile d'olive qui pourrait vous aider. Cela fait partie de. J'espère que cela vous aidera.
Questions répondues lors des sessions précédentes sur ce sujet :
Q : Comment supprimerait-il FPC2 s'il était déterminé qu'il n'ajoutait rien au modèle ?
R : Pour supprimer un FPC, le triangle rouge à côté de PCA fonctionnel peut être utilisé, ainsi que l'option Personnaliser le nombre de FPC.
Ressources
