從曲線資料中採樣點通常不是創建預測模型的最準確方法。 在許多情況下，採樣點會忽略可能影響結果的變異性。此示範使用案例研究來展示如何使用 JMP 功能資料瀏覽器來應對這項挑戰。
案例研究：使用光譜來確定預測汽油辛烷值的因素。
主要步驟：
- Y 是吸光度，X 是波長，ID 函數是與每個光譜相關的樣本，並使用 Z 補充作用來預測您想要的反應。
- 在建立模型之前，交互地使用 FDE 介面中的清理、變換和對齊來關注光譜中感興趣的區域。
- 建立基礎模型來定義光譜的形狀。
- 透過檢查圖表和查看模型選擇標準來解釋模型的準確性。
- 與功能主成分分析器交互，查看光譜如何隨著主成分的變化而變化。 使用功能 DOE 刻畫器查看不同反應等級的光譜效果。
- 將功能主成分分析從功能摘要報告中提取到單獨的表中；使用新表格為您的回應建立預測模型。
傑森·維金斯回答的問題@傑森_維金斯, @彼得_赫什和@jiancao演示後：
Q：預測刻畫器 (Octane) 中的藍色數字是否為 95% 信賴區間？
答：是的
Q：什麼是特徵值以及它們在當前分析中如何使用？
A：特徵值表示函數主成分的變異數。 在下面的範例中，主成分 1 的變異數佔資料變異數的 79.4%。 每個 FPC 都是您原始輸入變數的組合。
Eigen Values Example特徵值範例
Q：是否存在特徵值閾值來顯示哪個 FPC 貢獻較大？
答：如果特徵值定義了至少 1% 的方差，它將被包含在內。 您可以在功能摘要下進行自訂。
問：能否將非功能性因素納入功能性因素？
答：是的，只需在分析中傳遞該變量，它將顯示在列中，模型將使用它作為值，即包含在形狀中的附加 Z 因子。
Q：您如何將 FPC 與實驗因素連結起來？
答： 參見響應曲線的理解與建模Jason Wiggins 和 Peter Hersh 的示範和材料。
Q：在後續測試中，您將獲得光譜並預測結果，您需要功能主成分。您是否重新執行 FDE 以將這些 FPC 插入您的預測模型中？
答：目前來看，是的。您重新執行模型以建立新的功能資料元件，然後使用該新資料作為驗證資料。
Model Summaries Extracted to New Table提取到新表的模型摘要
Q：有沒有辦法增加節數來改善合身性？
答：是的，如果原始貼合度隨著更多結而不斷增加，則值得嘗試改變結和/或使用一系列結重新運行。 您也可以使用 p 樣條線。
Q：您能確定對辛烷值較敏感的波長嗎？
答：是的，我們探索 FDOE Profiler 並嘗試此處的選項，包括模擬器。
Q：您可以更改資料清理中使用的步驟順序嗎？
答：您可以按任意順序執行步驟。它們是相互構建的，因此如果您想重做訂單，我們建議您繼續刪除最後的步驟，直到您到達第一步並獲得您喜歡的結果，然後繼續。
Data Cleanup Steps資料清理步驟
Q：您可以在 Prediction Profiler 上設定限制（最大值、最小值、目標值）嗎？
答：是的，刻畫器與所有預測刻畫器一樣運作。 您還可以包含外推控制，以確保您的變更不會超出正常形狀區域。如果您在舒適區之外進行推斷，JMP 會發出警告。
Extrapolation Control Step 1外推控制步驟 1
Q：如何獲得敏感度指標？
答：這是預測刻畫器紅色小三角形中的一個選項。 顯示或隱藏紫色三角形，其高度和方向對應於輪廓函數目前值的偏導數值。 這在大型輪廓中非常有用，能夠快速發現敏感細胞。
Extrapolation Control Step 2外推控制步驟 2
Q：您可以從 FDOE Profiler 運行蒙特卡羅模擬嗎？如果可以，它會有用嗎？
A：是的，可以，並且可以模擬資料表中沒有的值。具體方法如下：
Q：如何使光譜圖顯示在資料表列中？
答：運行模型後，從功能摘要紅色小三角中選擇自訂功能摘要，然後選取儲存圖錶框。
