Vidéo 1 : Différentes façons de créer des modèles : construction, comparaison et sélection de modèles
Commentaires:
@Victor_G - Quelques visualisations et propositions de comparaison et de sélection de modèles (raster plots) proposées par Goos : https://community.jmp.com/t5/JMP-Wish-List/Raster-plots-or-other-visualization-tools-to-help-model/idi-p/730968
@martindemel - c'est à l'amorçage que je pensais en parlant de modèles basés sur des arbres, désolé d'être imprécis
SVEM - Modèles d'ensemble auto-validants :
Conférence au Discovery Summit - SVEM : un changement de paradigme dans la conception et l'analyse des expériences (2021-EU-45MP-779) - Communauté d'utilisateurs JMP
Page d'assistance - https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/overview-of-selfvalidated-ensemble-models.shtml
@Jonas_Rinne - SVEM pourrait être une méthode qui utilise une sorte de validation sans violer la structure de conception
@Victor_G - Ou utilisez des analyses statistiques, ou des algorithmes de Machine Learning robustes au surajustement (forêts aléatoires, SVM, ...)
Les répliques sont davantage utilisées pour l'explicabilité (trier l'erreur aléatoire/variation/erreur statistique à partir des facteurs d'influence), je ne les utiliserais pas pour la modélisation prédictive, en particulier pour la modélisation de l'apprentissage automatique
Vidéo 2 : Conception de mélange avec contraintes
Commentaires:
@Bill_Worley - Les modèles de mélange peuvent être très non linéaires et il peut être judicieux de commencer avec un modèle de mélange remplissant l'espace pour essayer de mieux comprendre la non-linéarité.
@Victor_G Ou faites-le séquentiellement : conception de mélange classique jusqu'au 2e/3e ordre, puis augmentez avec le remplissage de l'espace pour avoir des points à l'intérieur de l'espace expérimental.
Vidéo 3 : Nombre d'essais : peut-on utiliser le minimum conseillé par JMP en Conception Optimale ?
Commentaires:
@Bill_Worley - Essayez Augment Designs
@Paul_J - Cela me fait réfléchir... Comment JMP décide-t-il du nombre d'exécutions recommandé ? ... Cela pourrait-il nous donner une idée de la raison pour laquelle il faudrait utiliser quelque chose de plus que le minimum ?
@Victor_G - Très souvent, 4 courses supplémentaires par rapport au nombre minimum de courses
Génération de design
@Jonas_Rinne -
Cela dépend également de vos choix. Si vous avez choisi certains termes comme « si possible », il essaiera d'intégrer ces effets avec les exécutions ajoutées provenant du minimum. Sinon, il ajoutera des répliques par exemple. JMP essaie de distribuer les exécutions supplémentaires du mieux possible en fonction de vos choix.
@martindemel - considérez que vous obtiendrez également des informations sur l'estimation de l'erreur
@Victor_G -
Non seulement le modèle est correct, mais vous pouvez également évaluer la variabilité « naturelle » (bruit aléatoire)
Sans exécutions supplémentaires, vous ajustez un modèle en supposant que vous n'avez aucun bruit expérimental ou mesuré !
Je suis entièrement d'accord avec Brian, tout cela a un prix / un compromis
Vidéo 4 : Ressources
