기능적 데이터 탐색기시간이 지남에 따라 측정된 검열관의 데이터가 "일반적"인지 확인하기 위해 FDE를 사용하려는 고객이 있습니다. 그들은 FDE를 사용하여 FPC를 생성하고 이러한 FPC를 사용하여 실행이 일반적인지 판단하고 FPC에 대한 사양을 생성하여 일반적이지 않은 실행에 플래그를 지정하기를 원합니다. 그들은 단지 현재 모델로 데이터를 분석하고 새 데이터에 대한 FPC를 생성하기 위해 모델이 새 데이터로 업데이트되는 것을 원하지 않습니다. 이는 새 데이터를 검증 데이터로 함으로써 매우 잘 작동하는 것처럼 보이지만 문제는 모델이 이전 데이터에서 "재실행"되어야 한다는 것입니다. 이는 실제로 잘 작동한 모델 이후로 상당한 컴퓨팅 성능과 시간이 소요됩니다. 그들에게는 400개의 노드가 있는 p-sline 모델이 있었습니다.
매번 FDE를 통해 모델을 다시 실행하지 않고도 기능적 주성분에 대한 스플라인 공식을 저장하는 방법을 아는 사람이 있습니까?
같은 맥락에서 정리, 정렬 및 변환 단계를 거친 데이터를 저장하는 방법이 있습니까?
경고의 또 다른 단어는 하강 크기의 데이터 세트에 대한 라이브 데모에서 p-스플라인을 실행하는 것을 권장하지 않습니다. 약 15분 정도 소요된 후 고객이 16GB 시스템에서 최대 500,000행의 데이터를 보고 있을 때 JMP가 중단되었습니다.
Re: 기능적 데이터 탐색기안타깝게도 모델 적합성을 저장할 방법이 없으므로 매번 다시 적합해야 합니다. 14.1에서는 사용자가 프로파일러를 사용하여 모델 적합성을 더 잘 탐색할 수 있도록 관련 JSL 함수와 함께 예측 공식을 저장할 수 있는 기능이 제공됩니다. 이는 또한 FPC 점수를 사용하여 기능 재구성을 허용합니다. 그러나 이는 원래 모델을 다시 맞추지 않고도 새로운 기능을 직접 채점할 수 있는 방법을 제공하지 않습니다.
사용자는 함수의 일부 관찰 측면을 사용하여 FPC에 대한 예측 공식을 만드는 등 이러한 예측을 위한 다른 기술을 탐색할 수 있습니다. 그렇다면 14.1의 공식은 이상적인 솔루션은 아니지만 확실히 도움이 될 것입니다.
데이터를 저장하려면 최상위 RTM 옵션인 "데이터 저장"을 사용하면 됩니다. 사용자는 모델을 피팅한 후 "데이터 저장"을 통해 모델 RTM에서 모델링된 응답(Y) 값을 확인할 수도 있습니다.
또한 우리가 볼 수 있는 충돌 보고서가 있으면 보내주세요!
