이 영상은 2024년 8월에 업데이트되었습니다.
곡선 데이터에서 샘플링 포인트를 추출하는 것은 일반적으로 예측 모델을 만드는 가장 정확한 방법이 아닙니다. 많은 경우 샘플링된 포인트는 결과에 영향을 미칠 수 있는 변동성을 놓칩니다. 이 데모는 사례 연구를 사용하여 JMP 기능적 데이터 탐색기를 사용하여 이 과제를 해결하는 방법을 보여줍니다.
사례 연구: 스펙트럼을 사용하여 가솔린의 옥탄가를 예측하는 요소를 확인합니다.
주요 단계:
- Y는 흡광도이고, X는 파장이며, ID 함수는 각 스펙트럼과 관련된 샘플이고, Z는 예측하려는 응답에 대한 보충 역할입니다.
- 모델을 구축하기 전에 FDE 인터페이스의 정리, 변형, 정렬을 대화형으로 활용하여 스펙트럼의 관심 영역에 초점을 맞춥니다.
- 스펙트럼의 모양을 정의하기 위한 기본 모델을 구축합니다.
- 그래프를 검토하고 모델 선택 기준을 살펴보면서 모델의 정확성을 해석하세요.
- Functional Principal Component Profiler와 상호 작용하여 주성분이 변경될 때 스펙트럼이 어떻게 변경되는지 확인합니다. Functional DOE Profiler를 사용하여 스펙트럼이 다른 응답 수준에서 어떻게 보이는지 확인합니다.
- 기능 요약 보고서에서 기능 주성분 분석을 별도의 표로 추출합니다. 새 표를 사용하여 응답에 대한 예측 모델을 구축합니다.
Jason Wiggins @Jason_Wiggins , @Peter_Hersh 가 답변한 질문 라이브 웨비나에서:
질문: 직접적인 기능적 PCA 대신 B-스플라인을 사용하는 경우는 언제인가요?
A: 다양한 모델 옵션을 실행하는 것이 너무 쉬워서 모두 시도해 볼 수 있습니다. 데이터를 세그먼트로 나누는 B-Splines의 용이성 이 마음에 듭니다. 데이터를 세그먼트화하면 JMP 에서 세그먼트 수를 알려주고 직선, 곡선 또는 두 개의 곡선이 있는 것을 그립니다. Direct Functional PCA는 훌륭한 도구입니다. 가장 잘 맞는 모델을 선택하고 모든 모델을 실행하는 것이 공평하다고 생각합니다.
질문: 모델이 과도하게 학습되었는지 어떻게 확인할 수 있나요?
A: 설정에서 검증을 추가할 수 있습니다. 이 검증이 그룹화되어 전체 스펙트럼이 훈련 또는 검증이 되도록 해야 합니다. 설정 방법은 아래 비디오를 참조하세요.
질문: 나중에 새로운 스펙트럼을 실행하여 고유값을 구할 수 있도록 FDE 모델을 어떻게 저장할 수 있습니까?
A: 이 기능은 알려진 기능 요청입니다. 현재 세트에 추가 데이터를 추가하고 검증 데이터라고 부릅니다. 여전히 다시 실행해야 합니다. 아래 비디오를 참조하세요.
질문: 형상 함수를 계산할 때 어떤 가정이 있나요?
A: JMP 교육자, Di Michelson (@Di_Michelson) 이 계산 과정을 설명하는 일련의 DeeperDive 비디오를 제작했습니다.
질문: 이 접근 방식은 PCA를 수동으로 사용하여 스펙트럼을 줄인 다음 해당 구성 요소에 대한 모델을 만드는 것과 어떤 차이가 있습니까?
A: PCA는 열 헤더로 파장 열을 요구하므로 모든 것이 균일한 간격으로 배치되어야 하며 모든 값에서 측정되어야 합니다. 일부 데이터의 경우 이것이 불가능합니다. FDE에서는 이것이 필요하지 않습니다. 데모 예제의 경우 다른 방식으로 다시 포맷하고 분할할 수 있습니다. 하지만 PCA는 Y만 요약하며 어떤 것이 모양에 직접 영향을 미치는지 최적화할 수 없습니다.
질문: Prediction Profiler(Octane)의 파란색 숫자는 95% 신뢰 구간입니까?
네: 네
질문: 고유값은 무엇이고 전류 분석에 어떻게 사용되나요?
A: 고유값은 기능적 주성분의 분산을 나타냅니다. 아래 예에서 주성분 1의 분산은 데이터 분산의 79.4%를 차지합니다. 그리고 각 FPC는 원래 입력 변수의 조합입니다.
Eigen Values Example자신의 가치 예
질문: 어느 FPC가 더 큰 기여를 하는지 제시하는 고유값의 임계값이 있습니까?
A: 고유값이 분산의 최소 1%를 정의하는 경우 포함됩니다. 기능 요약에서 사용자 정의할 수 있습니다.
질문: 기능적 요인에 비기능적 요인을 포함할 수 있나요?
답변: 네, 해당 변수를 분석에 전달하면 열에 표시되고 모델에서 값으로 사용하고 모양에 추가 Z-인자가 포함됩니다.
질문: FPC를 실험적 요인에 어떻게 연결하시나요?
답변: 제이슨 위긴스와 피터 허쉬가 제공하는 반응 곡선 이해 및 모델링 프레젠테이션과 자료를 참조하세요.
질문: 후속 테스트에서 스펙트럼을 얻고 결과를 예측하려면 기능적 주성분이 필요합니다. FDE를 다시 실행하여 해당 FPC를 예측 모델에 연결합니까?
A: 현재로서는 그렇습니다. 모델을 다시 실행하여 새로운 기능적 데이터 구성 요소를 만든 다음, 그 새로운 데이터를 검증 데이터로 사용합니다.
Model Summaries Extracted to New Table새 테이블에 추출된 모델 요약
질문: 매듭을 늘려서 착용감을 개선할 수 있는 방법이 있나요?
A: 네, 원래의 적합도가 매듭이 많아질수록 계속 증가한다면 매듭을 변경하거나 다양한 매듭을 사용하여 다시 실행하는 것을 시도해 볼 가치가 있습니다. p-스플라인을 사용할 수도 있습니다.
질문: 옥탄에 더 민감할 수 있는 파장을 알려주시겠습니까?
대답: 네, FDOE Profiler를 살펴보고 시뮬레이터를 포함한 여러 옵션을 실험해 보겠습니다.
질문: 데이터 정리에 사용하는 단계의 순서를 변경할 수 있나요?
A: 어떤 순서로든 단계를 수행할 수 있습니다. 단계가 서로 연결되어 있으므로 순서를 다시 지정하려면 원하는 결과가 나오는 첫 번째 단계에 도달할 때까지 마지막 단계 제거를 계속하는 것이 좋습니다.
Data Cleanup Steps데이터 정리 단계
질문: Prediction Profiler에서 제한(최대값, 최소값, 대상값)을 설정할 수 있나요?
A: 네, 프로파일러는 모든 예측 프로파일러와 동일하게 작동합니다. 또한 외삽 제어를 포함하여 정상적인 모양 영역 밖에서 변화하지 않도록 할 수 있습니다. JMP는 편안함 영역 밖에서 외삽할 경우 경고를 내장합니다.
Extrapolation Control Step 1외삽 제어 1단계
질문: 감도 표시기는 어떻게 얻나요?
A: Prediction Profiler의 빨간색 삼각형 옵션입니다. 높이와 방향이 현재 값에서 프로파일 함수의 편미분 값에 해당하는 보라색 삼각형을 표시하거나 숨깁니다. 이는 큰 프로파일에서 민감한 세포를 빠르게 발견하는 데 유용합니다.
Extrapolation Control Step 2외삽 제어 2단계
질문: FDOE 프로파일러에서 몬테카를로 시뮬레이션을 실행할 수 있나요? 가능하다면 유용할까요?
A: 네, 가능합니다. 데이터 테이블에 없는 값에 대해 시뮬레이션할 수 있습니다. 방법은 다음과 같습니다.
질문: 스펙트럼 그래프가 데이터 테이블 열에 표시되도록 어떻게 했나요?
답변: 모델을 실행한 후 기능 요약의 빨간색 삼각형에서 기능 요약 사용자 지정을 선택한 다음 그래프 저장 상자를 선택합니다.
