가장 가파른 내리막/오르막친애하는 JMP 커뮤니티 사용자 여러분,
JMP를 사용하여 어떻게 가장 가파른 오르막/하강을 수행할 수 있는지 알고 싶습니다. JMP에는 이에 대한 옵션이 있습니까?
고급 통계 모델링기본 데이터 분석 및 모델링실험 설계답: 가장 가파른 내리막/오르막좀 더 구체적으로 말씀해 주셔야 할 것 같아요. 가장 가파른 상승/하강은 수학적 최적화 기술에 속합니다. 예를 들어 위키 Gradient descent를 참조하세요.
문제에 따라 JMP가 문제에 대한 기능을 이미 갖추고 있을 수 있으므로 직접 방법을 구현할 필요가 없을 수도 있습니다. JMP에 그러한 기능이 있는지 모르는 경우 문제 설명을 자세히 설명할 수 있습니다. 실제로 기존 기능이 기본적으로 제공되지 않는 경우 JMP는 문제를 지정하고 JMP에 알릴 수 있으면 사용자 정의된 문제를 해결할 수 있는 강력한 도구를 제공합니다. 이러한 도구 중 하나는 자체 방법을 구현할 필요가 없는 비선형 플랫폼입니다. 결국 JMP에는 JSL이라는 프로그래밍 언어가 있습니다. 이를 사용하면 수학적 최적화를 수행하는 프로그램을 작성할 수 있습니다. 당신에게 필요한 것은 수학적 최적화 방법을 프로그램으로 변환하는 능력입니다.
답: 가장 가파른 내리막/오르막시간 단계에서 시간 단계로의 상승/하강을 의미합니까?
:delta= :col - lag(:col) 를 통해 기울기를 계산할 수 있습니다. 그런 다음 col 최대값(:delta) 또는 최소값(:delta)만 검색하면 됩니다.
원시 데이터가 일부 노이즈의 영향을 받을 수 있습니다. 그러면 col 최대값은 노이즈가 급증하는 것일 수 있습니다.
이 경우 더 부드럽게 사용하고 공식을 저장하는 것이 도움이 될 것입니다. 그러면 분석적으로 큰 경사를 찾을 수 있습니다 ...
답: 가장 가파른 내리막/오르막이러한 방법에 대한 나의 관심은 두 번의 DOE를 수행했다고 가정해 봅시다(모든 중요한 요소는 선형 효과를 나타냄)와 같이 수행한 DOE에서 귀중한 결과를 찾는 것입니다. 이제 중요한 요소가 내 트레일에서 2차 효과를 나타내는 위치를 알고 싶습니다. 그래서 나는 더 많은 트레일이나 DOE를 통해 그 방향으로 갈 수 있습니다.
이것이 이러한 방법에 대한 나의 이해입니다.
답: 가장 가파른 내리막/오르막저는 DOE 전문가는 아니지만 귀하의 목표를 제게 충분히 명확하게 설명해 주셨으며 해당 분야의 다른 전문가들이 도움을 주실 수 있기를 바랍니다.
내 개인적인 시도로 볼 때 문서의 이 페이지는 관련이 있을 수 있다고 생각하지만 특별히 2차 항만 보도록 제안하지는 않습니다.
반응 표면 설계의 예
답: 가장 가파른 내리막/오르막가장 가파른 오르막은 디자인 공간을 이동하는 방법입니다. 나는 당신이 속한 디자인 공간을 확장하는 데 관심이 있다고 생각합니다. 이를 수행하는 방법에는 여러 가지가 있습니다. Peng은 당신이 보고 있는 한 영역을 가리킵니다. 여기 또 하나가 있습니다.
https://www.jmp.com/support/help/en/17.2/?os=mac&source=application#page/jmp/augment-designs.shtml
답: 가장 가파른 내리막/오르막수치 예를 보려면 다음 문서를 참조하세요.
George EP Box 및 Patrick YT Liu(1999) 과학적 방법을 통한 학습의 촉매제로서의 통계 1부 - 예, 품질 기술 저널
또한 Montgomery의 저서 Design and Analysis of Experiments에서 또 다른 좋은 예를 찾을 수 있습니다.
추가 정보가 필요하면 알려주시기 바랍니다.
Re: 가장 가파른 하강/상승가장 가파른 상승에 대한 제 이해는 Box에서 나왔습니다. 그의 생각은 초기 실험에서 수집한 정보를 사용하여 모델을 개발하는 것입니다(이론적으로 응답 변수의 윤곽에 수직). 이 회귀 모델을 사용하여 "테스트"를 실행합니다. 초기 실험에서 사용된 것과 거의 같은 수준 설정 간격을 사용합니다. 모델에 있는 요인의 수준을 변경하는 순서로 테스트를 실행합니다. 응답이 증가함에 따라 계속 실행하여 변곡점(응답이 감소)이 생길 때까지 실행합니다. 다음 실험을 변곡점 앞으로 이동합니다.
JMP는 당신에게 모델을 제공할 수 있을 것입니다. 당신은 초기 실험과 후속 테스트를 수행해야 할 것입니다.
최적에서 너무 멀리 떨어지지 않은 경우 이 방법이 유용할 수 있습니다(예: 요인은 범주형이 아닌 연속형이어야 함).
