비디오 1: 모델을 만드는 다양한 방법: 모델 구축, 비교 및 선택
댓글:
@빅터_G - Goos가 제안한 모델 비교 및 선택(래스터 플롯)에 대한 몇 가지 시각화 및 제안: https://community.jmp.com/t5/JMP-Wish-List/Raster-plots-or-other-visualization-tools-to-help-model/idi-p/730968
@martindemel - 부트스트래핑은 트리 기반 모델이라고 말할 때 제가 생각한 것입니다. 정확하지 않아서 죄송합니다.
SVEM - 자체 검증 앙상블 모델:
Discovery Summit Talk - SVEM: 실험 설계 및 분석의 패러다임 전환(2021-EU-45MP-779) - JMP 사용자 커뮤니티
지원 페이지 - https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/overview-of-selfvalidated-ensemble-models.shtml
@Jonas_Rinne - SVEM은 설계 구조를 위반하지 않고 어떤 종류의 검증을 사용하는 방법일 수 있습니다.
@빅터_G - Or use statistical analysis, or Machine Learning algorithms robust to overfitting (random forests, SVM, ...)
복제는 설명 가능성(영향 요인에서 무작위 오류/변동/통계 오류 정렬)을 위해 더 많이 사용되며 예측 모델링, 특히 머신 러닝 모델링에는 사용하지 않습니다.
비디오 2: 제약 조건이 있는 혼합물 설계
댓글:
@빌_워리 - 혼합 모델은 매우 비선형적일 수 있으며, 비선형성을 더 잘 이해하기 위해 공간을 채우는 혼합 모델로 시작하는 것이 좋습니다.
@빅터_G Or do it sequentially : classical mixture design up to 2nd/3rd order, and then augment with Space-Filling to have points inside the experimental space.
영상 3: 시행 횟수: 최적 설계에서 JMP가 권장하는 최소 횟수를 사용할 수 있을까?
댓글:
@빌_워리 - Try Augment Designs
@Paul_J - 궁금해요... JMP는 권장되는 실행 횟수를 어떻게 결정하는 걸까요? ... 그러면 최소값보다 더 많은 것을 사용해야 하는 이유를 알 수 있을까요?
@빅터_G - 매우 자주, 최소 실행 횟수보다 4회 더 실행됩니다.
디자인 생성
@Jonas_Rinne -
또한 선택에 따라 달라집니다. "가능하다면"과 같은 용어를 선택한 경우 최소값에서 추가된 실행으로 이러한 효과를 빌드하려고 시도합니다. 그렇지 않으면 예를 들어 반복을 추가합니다. JMP는 선택에 따라 추가 실행을 최대한 분산하려고 합니다.
@martindemel - 오류 추정에 대한 정보도 얻을 수 있다는 점을 고려하세요.
@빅터_G -
정확한 모델일 뿐만 아니라 "자연스러운" 변동성(무작위 노이즈)을 평가할 수도 있습니다.
추가 실행 없이 실험이나 측정 노이즈가 없다는 가정 하에 모델을 적합하게 만들 수 있습니다!
Brian의 의견에 전적으로 동의합니다. 모든 것에는 가격/타협이 따릅니다.
비디오 4: 리소스
