擬合銳利區域我的數據通常可以與指數衰減函數匹配，但是在曲線上的某個點出現快速尖峰，然後衰減繼續，因此如何將這個尖銳的邊緣擬合到指數函數內？
進階統計建模實驗設計預測建模和機器學習回覆：擬合銳利區域非常感謝，維克多，您的指導。
回覆：擬合銳利區域是的@Sherif_96 ，您可以對分段函數的預測模型使用相同的方法。您可以按照以下過程從每個函數中提取參數並將它們連結到您的原始因子。
一些可以幫助您完成專案的進一步建議/建議：
- 確保分段函數是合適的：關於擬合曲線的點數，它應該具有適當的複雜程度。
- 盡量避免完美擬合曲線的所有點，並找到能夠很好地近似一般行為的一般模式或函數集合。分段函數應該代表每個樣本存在的行為/模式，因此當將此分段函數擬合到每個樣本時，您應該具有類似的 SSE。
如果幾個樣本的情況並非如此，則可能尚未完全發現該模式。
如果只有一些樣本偏離分段函數的模式，那麼可能需要進行調查：異常值？實驗或測量誤差？ ETC...
- 確保因子（V/B 比）的範圍足夠大，並且探索的水平有足夠的空間，以便曲線響應具有良好的可變性，具有代表性的實驗樣本，並有利於分析。您也可以確保為擬合曲線模式而建立的分段函數也可能具有良好的泛化屬性。
關於混合設計，有各種 JMP 資源可供入門：
您還可以加入 實驗設計俱樂部，這是一個由熱情的 DoE 用戶組成的小組，每季度舉行一次會議並進行富有洞察力的討論。下次會議預定於 6 月 11 日舉行： https://www.jmp.com/en_gb/events/users-groups/users-group-meetings/doe-community-of-practice-multi-registration.html
希望這些第一資源能幫助您，
回覆：擬合銳利區域一如既往地感謝您，Victor，如果我想創建預測模型，我將遵循您在先前的帖子中建議的程序。對於分段函數來說，這是否正確？
您能否推薦一個學習 JMP 混料設計的資源？
回覆：擬合銳利區域我認為您指的是這個資料集，有幾個樣本（相同的 X 值有幾個 Y）？ ： https://community.jmp.com/t5/Discussions/How-to-obtain-the-optimum-formulation/mp/762444#M94169
如果您已識別資料表中的樣本，則可以使用非線性平台並使用「By」變數中的樣本 ID 來獨立地將分段方程式擬合到每個樣本。您可以按 CTRL 鍵並點擊“執行”，同時獨立地啟動所有樣本的參數估計。
然後，您可以聚合參數值（在帶有參數估計的表上的“解決方案”面板中右鍵單擊，然後單擊“製作組合數據表”），比較它們，並將它們與因子變量鏈接/分析（例如以V/B比更新產生的表，按參數拆分資料表並分析參數值和V/B比之間的相關性）：
我附上資料集，以便您可以測試並查看我的回覆中使用的步驟，
回覆：擬合銳利區域但是，如果同一個 X 有多個 Y 值，會發生什麼事？ Y 值略有不同，但遵循相同的模式，並且由於其他因素的存在而導致它們的不同。我可以使用分段函數來擬合不同的反應，同時考慮 X 和其他因素的影響嗎？
回覆：擬合銳利區域感謝您清晰的解釋和指導步驟。
回覆：擬合銳利區域嗨@Sherif_96 ，
我正在考慮兩種可能的分析方法來處理指數函數中的銳邊：
- 如果輪廓/曲線模式始終發生在定義的 x 值/區域，您可以使用非線性迴歸平台並定義分段函數：
- 您或許也可以使用函數資料瀏覽器 (jmp.com)來擬合 P 樣條階躍函數曲線。它不會保持曲線的指數形狀，但可以透過使用階躍函數來逼近函數來處理尖銳的邊緣。在 JMP 18 中，還可以更輕鬆地識別峰值，因此當 JMP 18 可用時，這也可能是一個有趣的測試選項...
即使 JMP 中有針對您的問題的分析解決方案，我也想贊同@statman關於曲線中這個峰值的「重要性」的資訊。這真的是您必須在分析中保留的重要且具有實際意義的模式嗎？從統計角度來看，分段函數 (SSE=237) 與「擬合曲線」平台的「簡單」指數函數近似值 (SSE) 之間的模型平方誤差 (SSE) 沒有太大差異=287）。
這兩個分析（分段與「簡單」指數函數）的殘差看起來也非常相似：
我附上了包含所使用腳本的資料表，以便您可以親自嘗試並分析對您有意義的內容。
希望對你有幫助，
回覆：擬合銳利區域這個尖峰實際上與混合物中特定化學成分的存在有關，所以我試圖在不忽略任何方面的情況下生成預測模型，因為忽略這個尖銳邊緣的影響可能會導致與原始數據的偏差，如果通過指數函數擬合。
回覆：擬合銳利區域你想做什麼？為什麼要嘗試安裝釘子？您是否想解釋為什麼會出現峰值？或預測高峰？您是否試圖評估這是否是一個不尋常的事件（例如，特殊事件）？這種飆升的實際意義是什麼？
