자동으로 다듬는 방법이 위시리스트 요청에 영감을 준 것은 무엇입니까?
데모를 수행하고 다른 사람들이 모델에서 용어를 한 번에 하나씩 제거하는 데모를 보는 경우에도 여전히 모델 계층 구조를 만족하지만 속도가 매우 느립니다. 이에 대한 예는 우수한 DOE 과정 동영상 4과에서는 "프로세스 기능 예측"에 대한 비디오를 시청합니다. @monica_beals 이 과정을 세 번 수행합니다(마지막으로 지름길을 택했기 때문에 2.5번). 이는 더 빠르고, 더 쉽고, 더 간단해야 할 것 같습니다. 특히 이것이 우리 모두가 모범 사례로 표시하려는 경향이 있는 경우라면 더욱 그렇습니다.
보고 싶은 새로운 기능이나 개선된 기능이나 솔루션을 설명해 주세요.
내가 보고 싶은 것은 모델 계층 구조를 존중하면서 지정된 p-값 위에 있는 용어를 한 번에 하나씩 자동으로 제거하는 "자동 다듬기"(또는 더 나은 이름) 링크/버튼입니다. 기본적으로 위에 링크된 비디오에서 Monica가 수행하는 프로세스를 자동화하면 됩니다.
이 새로운 기능이 제공된다면 귀하 및/또는 다른 사용자에게 어떤 가치가 있을까요?
이렇게 하면 사용자의 시간이 절약되고 데모가 덜 어색해집니다. 잠재 고객 앞에서 이 작업을 수행하는 것은 매우 느립니다.
외부 고객의 요청인가요?
아니요.
우리가 알아야 할 이 기능이나 솔루션을 갖춘 경쟁 소프트웨어 패키지가 있습니까?
이는 현재 JMP의 Stepwise 플랫폼을 사용하여 가능하지만 추가 단계/설명이 필요합니다.
이것이 고객의 갱신, 확장 또는 채택에 영향을 미치나요? 이 문제를 해결하지 않으면 계정이 위험에 빠지게 됩니까?
반드시 그런 것은 아니지만 이렇게 하면 JMP가 더 쉽고 빨라질 것입니다.
기본 데이터 분석 및 모델링Re: 자동으로 다듬는 방법 - 상태가 다음으로 변경되었습니다: 신규@제드_캠벨 Backward stepwise regression을 사용하는 것은 어떻습니까? GenReg 또는 Stepwise 플랫폼에서. 또한 Fit Two-Level Screening 플랫폼은 이를 훌륭하게 수행합니다. Easy DOE도 이 작업을 수행합니다.
모수 추정치의 상관 관계가 작은 잘 설계된 실험의 경우 효과 요약에서 여러 요인을 한 번에 선택한 다음 제거하는 것도 잘 작동하며 모수 추정치에 거의 영향을 미치지 않습니다.
Re: 자동으로 다듬는 방법감사해요 @샘가드너 .예, 모두 좋은 옵션입니다. 내 제안은 새로운 청중에게 소프트웨어를 시연할 때 어색함을 더 잘 표현하는 데 더 적합합니다. 일반적으로 잠재 사용자는 단계적 또는 다른 플랫폼을 사용할 준비가 되어 있지 않으며, 특히 과거 데이터 세트(예: 태블릿 또는 분말 야금)를 사용할 때 제거해야 할 잠재적으로 중요하지 않은 요소가 많이 있습니다. 이 위치에 자동 버튼이 있으면 데모에 "와우" 요소가 많이 추가됩니다. 즉, 해당 제안은 기술적인 제안이 아니라 마케팅 제안에 가깝습니다.
Re: 자동으로 다듬는 방법 - 상태가 다음으로 변경되었습니다: 승인됨Re: 자동 트리밍 방법 - 상태가 현재 계획되지 않음으로 변경됨안녕하세요 @Jed_Campbell , 아래 토론과 설명된 방법을 사용하여 모델 축소를 자동화할 수 있는 기능을 감안할 때, 우리는 이것을 지금 계획되지 않음으로 표시합니다. 모델 축소를 위한 "쉬운" 버튼이 있는 것의 위험에 대한 의견도 있는 것 같습니다. 즉, "최고의" 모델을 찾는 것을 지나치게 단순화하는 것은 일반적으로 좋은 생각이 아니라는 것입니다.
