Il campionamento dei punti da dati curvi in genere non è il modo più accurato per creare un modello predittivo. In molti casi i punti campionati non presentano variabilità che potrebbero influire sul risultato.Questa demo utilizza un caso di studio per mostrare come utilizzare Data Explorer funzionale di JMP per affrontare questa sfida.
Il caso di studio: Utilizza gli spettri per determinare i fattori che prediranno il numero di ottani della benzina.
I passaggi principali:
- Y è l'assorbanza, X è la lunghezza d'onda, la funzione ID è il campione associato a ciascuno spettro e utilizza il ruolo supplementare Z per la risposta che si desidera prevedere.
- Utilizza in modo interattivo Pulisci, Trasforma e Allinea dall'interfaccia FDE per concentrarti sulla regione di interesse negli spettri prima di costruire il modello.
- Costruisci il modello base per definire la forma degli spettri.
- Interpretare l'accuratezza del modello esaminando i grafici e osservando i criteri di selezione del modello.
- Interagisci con Functional Component Principal Profiler per vedere come cambiano gli spettri al variare dei componenti principali. Utilizzare Functional DOE Profiler per vedere come gli spettri cercano diversi livelli di risposta.
- Estrarre l'analisi dei componenti principali funzionali in una tabella separata dal report Riepiloghi funzionali; utilizza la nuova tabella per creare un modello predittivo per la tua risposta.
Domande a cui risponde Jason Wiggins @Jason_Wiggins , @Peter_Hersh E @jiancao dopo la dimostrazione:
I numeri blu nel Prediction Profiler (Octane) hanno intervalli di confidenza del 95%?
R: Sì
Cosa sono gli Autovalori e come vengono utilizzati nell'analisi attuale?
UN: Autovalori rappresentano le varianze delle componenti principali funzionali. Nell'esempio seguente, la varianza della Componente principale 1 rappresenta il 79,4% della varianza nei dati. E ogni FPC è una combinazione delle variabili di input originali.
Eigen Values ExampleEsempio di autovalori
Esiste una soglia degli Autovalori che suggerisce quale FPC è più contributivo?
R: Se il valore proprio definisce almeno l'1% della varianza, verrà incluso. È possibile personalizzare in Riepiloghi funzionali.
È possibile includere un fattore non funzionale tra i fattori funzionali?
R: Sì, basta passare quella variabile in un'analisi e verrà visualizzata in una colonna e il modello la utilizzerà come valore, fattori Z aggiuntivi che verranno inclusi nelle forme.
Come si collega l'FPC ai fattori sperimentali?
R: Vedi Comprensione e modellazione delle curve di risposta presentazione e materiali di Jason Wiggins e Peter Hersh.
Nei test successivi, otterrai uno spettro e per prevedere i risultati avrai bisogno dei tuoi componenti principali funzionali.Esegui nuovamente FDE per collegare gli FPC al tuo modello di previsione?
R: Per ora sì.Si esegue nuovamente il modello per creare i nuovi componenti dei dati funzionali e quindi si utilizzano i nuovi dati come dati di convalida.
Model Summaries Extracted to New TableRiepiloghi del modello estratti in una nuova tabella
Esiste un modo per aumentare i nodi per migliorare la vestibilità?
R: Sì, se l'adattamento originale continua ad aumentare con più nodi, può valere la pena provare a cambiare i nodi e/o rieseguire utilizzando una gamma di nodi. Puoi anche usare p-spline.
Potete identificare la lunghezza d'onda che potrebbe essere più sensibile all'ottano?
R: Sì, esploriamo FDOE Profiler e sperimentiamo le opzioni qui, incluso un simulatore.
È possibile modificare l'ordine dei passaggi utilizzati nella pulizia dei dati?
R: Puoi eseguire i passaggi in qualsiasi ordine.Si basano l'uno sull'altro, quindi se desideri ripetere l'ordine, ti suggeriamo di continuare a rimuovere gli ultimi passaggi finché non arrivi al primo passaggio con un risultato che ti piace, quindi continuare.
Data Cleanup StepsPassaggi di pulizia dei dati
È possibile impostare limiti (valore massimo, minimo, target) su Prediction Profiler?
R: Sì, i Profiler funzionano come tutti i Profiler di previsione. Puoi anche includere il controllo Estrapolazione per assicurarti di non variare al di fuori di una regione di forma normale.JMP incorpora un avviso se si estrapola al di fuori della zona di comfort.
Extrapolation Control Step 1Controllo dell'estrapolazione Passaggio 1
Come si ottiene l'indicatore di sensibilità?
R: È un'opzione del triangolo rosso del Prediction Profiler. Mostra o nasconde un triangolo viola la cui altezza e direzione corrispondono al valore della derivata parziale della funzione profilo al suo valore corrente. Ciò è utile nei profili di grandi dimensioni per poter individuare rapidamente le celle sensibili.
Extrapolation Control Step 2Controllo dell'estrapolazione Passaggio 2
È possibile eseguire una simulazione Monte Carlo dal FDOE Profiler e, in tal caso, sarebbe utile?
R: Sì, è possibile ed è possibile simulare valori non presenti nella tabella dati.Ecco come:
Come hai fatto a visualizzare il grafico dello spettro in una colonna della tabella dati?
R: Dopo aver eseguito il modello, dal triangolo rosso Riepiloghi funzionali, seleziona Personalizza riepiloghi funzionali e quindi seleziona la casella Salva grafico.
