从曲线数据中采样点通常不是创建预测模型的最准确方法。 在许多情况下，采样点会忽略可能影响结果的变异性。该演示使用案例研究来展示如何使用 JMP 功能数据浏览器来应对这一挑战。
案例研究：使用光谱来确定预测汽油辛烷值的因素。
主要步骤：
- Y 是吸光度，X 是波长，ID 函数是与每个光谱相关的样本，并使用 Z 补充作用来预测您想要的响应。
- 在构建模型之前，交互地使用 FDE 界面中的清理、变换和对齐来关注光谱中感兴趣的区域。
- 构建基础模型来定义光谱的形状。
- 通过检查图表和查看模型选择标准来解释模型的准确性。
- 与功能主成分分析器交互，查看光谱如何随着主成分的变化而变化。 使用功能 DOE 刻画器查看不同响应水平的光谱效果。
- 将功能主成分分析从功能摘要报告中提取到单独的表中；使用新表格为您的响应构建预测模型。
杰森·维金斯回答的问题@杰森_维金斯, @彼得_赫什和@jiancao演示后：
问：预测刻画器 (Octane) 中的蓝色数字是否为 95% 置信区间？
答：是的
问：什么是特征值以及它们在当前分析中如何使用？
A：特征值表示函数主成分的方差。 在下面的示例中，主成分 1 的方差占数据方差的 79.4%。 每个 FPC 都是您原始输入变量的组合。
Eigen Values Example特征值示例
问：是否存在特征值阈值来表明哪个 FPC 贡献更大？
答：如果特征值定义了至少 1% 的方差，它将被包含在内。 您可以在功能摘要下进行自定义。
问：能否将非功能性因素纳入功能性因素中？
答：是的，只需在分析中传递该变量，它将显示在列中，模型将使用它作为值，即包含在形状中的附加 Z 因子。
问：您如何将 FPC 与实验因素联系起来？
答： 参见响应曲线的理解和建模Jason Wiggins 和 Peter Hersh 的演示和材料。
问：在后续测试中，您将获得光谱并预测结果，您需要功能主成分。您是否重新运行 FDE 以将这些 FPC 插入到您的预测模型中？
答：目前来看，是的。您重新运行模型以创建新的功能数据组件，然后使用该新数据作为验证数据。
Model Summaries Extracted to New Table提取到新表的模型摘要
问：有没有办法增加节数来改善合身性？
答：是的，如果原始贴合度随着更多结而不断增加，则值得尝试改变结和/或使用一系列结重新运行。 您还可以使用 p 样条曲线。
问：您能确定对辛烷值更敏感的波长吗？
答：是的，我们探索 FDOE Profiler 并尝试此处的选项，包括模拟器。
问：您可以更改数据清理中使用的步骤顺序吗？
答：您可以按任意顺序执行步骤。它们是相互构建的，因此如果您想重做订单，我们建议您继续删除最后的步骤，直到您到达第一步并获得您喜欢的结果，然后继续。
Data Cleanup Steps数据清理步骤
问：您可以在 Prediction Profiler 上设置限制（最大值、最小值、目标值）吗？
答：是的，刻画器与所有预测刻画器一样工作。 您还可以包括外推控制，以确保您的变化不会超出正常形状区域。如果您在舒适区之外进行推断，JMP 会发出警告。
Extrapolation Control Step 1外推控制步骤 1
问：如何获得敏感度指标？
答：这是预测刻画器红色小三角中的一个选项。 显示或隐藏紫色三角形，其高度和方向对应于轮廓函数当前值的偏导数值。 这在大型轮廓中非常有用，能够快速发现敏感细胞。
Extrapolation Control Step 2外推控制步骤 2
问：您可以从 FDOE Profiler 运行蒙特卡罗模拟吗？如果可以，它会有用吗？
A：是的，可以，并且可以模拟数据表中没有的值。具体方法如下：
问：如何使光谱图显示在数据表列中？
答：运行模型后，从功能摘要红色小三角中选择自定义功能摘要，然后选中保存图表框。
