Video 1: Verschiedene Möglichkeiten zur Modellerstellung: Modellaufbau, Vergleich und Auswahl
Kommentare:
@Victor_G - Einige von Goos vorgeschlagene Visualisierungen und Vorschläge zum Modellvergleich und zur Modellauswahl (Rasterdiagramme): https://community.jmp.com/t5/JMP-Wish-List/Raster-plots-or-other-visualization-tools-to-help-model/idi-p/730968
@martindemel - Bootstrapping ist das, was ich meinte, als ich von baumbasierten Modellen sprach. Tut mir leid, dass ich ungenau war.
SVEM – Selbstvalidierende Ensemblemodelle:
Discovery Summit Talk – SVEM: Ein Paradigmenwechsel in der Gestaltung und Analyse von Experimenten (2021-EU-45MP-779) – JMP User Community
Support-Seite - https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/overview-of-selfvalidated-ensemble-models.shtml
@Jonas_Rinne - SVEM könnte eine Methode sein, die eine Art Validierung verwendet, ohne die Designstruktur zu verletzen
@Victor_G – Oder verwenden Sie statistische Analysen oder Algorithmen des maschinellen Lernens, die gegenüber Überanpassung robust sind (Random Forests, SVM, …)
Replikate werden eher zur Erklärbarkeit verwendet (um den Zufallsfehler/die Variation/den statistischen Fehler von den Einflussfaktoren zu trennen). Ich würde sie nicht für prädiktive Modellierung verwenden, insbesondere nicht für die Modellierung von maschinellem Lernen.
Video 2: Mischungsdesign mit Einschränkungen
Kommentare:
@Bill_Worley - Mischmodelle können stark nichtlinear sein und es kann sinnvoll sein, mit einer raumfüllenden Mischform zu beginnen, um die Nichtlinearität besser zu verstehen.
@Victor_G Oder gehen Sie sequenziell vor: klassisches Mischungsdesign bis zur 2./3. Ordnung und dann mit raumfüllender Methode erweitern, um Punkte innerhalb des Versuchsraums zu erhalten.
Video 3: Anzahl der Versuche: Können wir das von JMP im optimalen Design empfohlene Minimum verwenden?
Kommentare:
@Bill_Worley – Probieren Sie Augment Designs aus
@Paul_J – Das gibt mir Anlass zum Nachdenken … Wie legt JMP die empfohlene Anzahl an Durchläufen fest? … Könnte uns das eine Vorstellung davon geben, warum wir mehr als das Minimum verwenden sollten?
@Victor_G - Sehr oft 4 zusätzliche Läufe als die Mindestanzahl an Läufen
Design Generation
@Jonas_Rinne -
Es hängt auch von Ihren Entscheidungen ab. Wenn Sie einige Begriffe als „wenn möglich“ ausgewählt haben, wird versucht, diese Effekte in die hinzugefügten Läufe aus dem Minimum einzubauen. Andernfalls werden beispielsweise Replikate hinzugefügt. JMP versucht, die zusätzlichen Läufe basierend auf Ihren Entscheidungen so gut wie möglich zu verteilen.
@martindemel - bedenken Sie, dass Sie auch Informationen zur Fehlerschätzung erhalten
@Victor_G -
Sie können nicht nur das Modell korrigieren, sondern auch die „natürliche“ Variabilität (zufälliges Rauschen) auswerten.
Ohne zusätzliche Durchläufe passen Sie ein Modell unter der Annahme an, dass kein experimentelles oder Messrauschen vorliegt!
Stimme Brian vollkommen zu, alles hat seinen Preis/Kompromiss
Video 4: Ressourcen
