このビデオは2024年8月に更新されました。
曲線データからポイントをサンプリングすることは、通常、予測モデルを作成するための最も正確な方法ではありません。多くの場合、サンプリングされたポイントでは、結果に影響を与える可能性のある変動が見逃されます。このデモでは、ケーススタディを使用して、JMP 機能データ エクスプローラーを使用してこの課題に対処する方法を示します。
ケーススタディ:スペクトルを使用して、ガソリンのオクタン価を予測する要因を決定します。
主な手順:
- Y は吸光度、X は波長、ID 関数は各スペクトルに関連付けられたサンプルであり、予測する応答には Z の補助的な役割を使用します。
- モデルを構築する前に、FDE インターフェースからクリーンアップ、変換、および位置合わせをインタラクティブに使用して、スペクトル内の関心領域に焦点を当てます。
- スペクトルの形状を定義するための基本モデルを構築します。
- グラフを調べ、モデル選択基準を確認して、モデルの精度を解釈します。
- 機能主成分プロファイラーを操作して、主成分が変化するとスペクトルがどのように変化するかを確認します。機能 DOE プロファイラーを使用して、さまざまな応答レベルでスペクトルがどのように見えるかを確認します。
- 機能主成分分析を機能サマリーレポートから別のテーブルに抽出し、新しいテーブルを使用して応答の予測モデルを構築します。
質問への回答：Jason Wiggins @Jason_Wiggins 、 @Peter_Hersh ライブウェビナーで:
Q: 直接機能 PCAの代わりに B スプラインを使用するのはどのような場合ですか?
A: さまざまなモデル オプションを実行するのは非常に簡単なので、すべて試してみたいと思います。データをセグメントに分割するだけの B スプラインの簡単さが気に入っています。データをセグメント化すると、JMPが使用するセグメントの数を提示し、直線、曲線、または 2 つの曲線のいずれかを描画します。直接関数 PCA は優れたツールです。最も適合するモデルを選択し、すべて実行しても十分だと思います。
Q: モデルが過剰にトレーニングされているかどうかをどのように確認できますか?
A: セットアップで検証を追加できます。この検証がグループ化され、スペクトル全体がトレーニングまたは検証のいずれかになるようにする必要があります。セットアップ方法については、以下のビデオを参照してください。
Q: FDE モデルを保存して、後日新しいスペクトルを実行して固有値を取得できるようにするにはどうすればよいでしょうか?
A: この機能は既知の機能リクエストです。現在は、セットに追加データを追加し、それを検証データと呼んでいます。それでも再実行する必要があります。以下のビデオをご覧ください。
Q: 形状関数を計算する際に何か前提条件はありますか?
A: JMP 教育者の Di Michelson @Di_Michelson が、計算について説明するDeeperDiveビデオ シリーズを公開しています。
Q: このアプローチと、PCA を使用して手動でスペクトルを削減し、それらのコンポーネントに基づいてモデルを作成する方法の違いは何ですか?
A: PCA では、列ヘッダーとして波長列が必要なので、すべてが均等に配置され、すべての値に測定値が必要です。一部のデータではこれは不可能です。FDE では、これは必要ありません。デモの例では、フォーマットを変更して、別の方法で分割できます。ただし、PCA は Y のみを要約し、何かが形状に直接どのように影響するかを最適化することはできません。
Q: 予測プロファイラー (Octane) の青い数字は 95% 信頼区間ですか?
答え: はい
Q: 固有値とは何ですか? 現在の分析ではどのように使用されますか?
A: 固有値は機能主成分の分散を表します。以下の例では、主成分 1 の分散がデータの分散の 79.4 % を占めています。また、各 FPC は元の入力変数の組み合わせです。
Eigen Values Example自分の価値観の例
Q: どの FPC がより寄与しているかを示す固有値のしきい値はありますか?
A: 固有値が分散の少なくとも 1% を定義する場合は、それが含まれます。機能概要でカスタマイズできます。
Q: 機能的要因に非機能的要因を含めることはできますか?
A: はい、その変数を分析に渡すだけで、列に表示され、モデルはそれを値として使用し、シェイプに追加される Z 係数になります。
Q: FPC を実験的要因にどのように関連付けるのですか?
A: Jason Wiggins と Peter Hersh による「応答曲線の理解とモデリング」のプレゼンテーションと資料を参照してください。
Q: 後続のテストではスペクトルが得られ、結果を予測するには機能的な主成分が必要になります。それらの FPC を予測モデルに組み込むために FDE を再実行しますか?
A: 現時点では、はい。モデルを再実行して新しい機能データ コンポーネントを作成し、その新しいデータを検証データとして使用します。
Model Summaries Extracted to New Table新しいテーブルに抽出されたモデルの概要
Q: 結び目を増やしてフィット感を向上させる方法はありますか?
A: はい、元のフィットがノット数の増加とともに増加し続ける場合、ノットの変更や、ノットの範囲を使用した再実行を検討する価値があります。p-スプラインを使用することもできます。
Q: オクタン価に対してより敏感な波長を特定できますか?
A: はい、FDOE Profiler を調査し、シミュレーターを含むオプションをここで実験します。
Q: データクリーニングで使用する手順の順序を変更できますか?
A: ステップは任意の順序で実行できます。ステップは相互に構築されるため、順序をやり直す場合は、最初のステップで満足のいく結果が得られるまで「最後のステップを削除」を続けて、その後続行することをお勧めします。
Data Cleanup Stepsデータクリーンアップ手順
Q: Prediction Profiler に制限 (最大値、最小値、目標値) を設定できますか?
A: はい、プロファイラーはすべての予測プロファイラーと同様に機能します。また、外挿コントロールを含めることで、通常の形状領域外で変化していないことを確認することもできます。JMP では、快適ゾーンの外側に外挿すると警告が表示されます。
Extrapolation Control Step 1外挿制御ステップ1
Q: 感度インジケーターはどうやって取得するのですか?
A: これは、予測プロファイラーの赤い三角形のオプションです。高さと方向がプロファイル関数の偏微分値の現在の値に対応する紫色の三角形を表示または非表示にします。これは、大規模なプロファイルで敏感な細胞をすばやく見つけることができるため便利です。
Extrapolation Control Step 2外挿制御ステップ2
Q: FDOE プロファイラーからモンテカルロ シミュレーションを実行できますか? 実行できる場合、それは役立ちますか?
A: はい、可能です。データ テーブルにない値をシミュレートすることもできます。方法は次のとおりです。
Q: スペクトル グラフをデータ テーブル列に表示するにはどうすればよいですか?
A: モデルを実行した後、機能サマリーの赤い三角形から「機能サマリーのカスタマイズ」を選択し、「グラフの保存」ボックスをオンにします。
