Das Video wurde im März 2025 mit JMP 18 und JMP Pro 18 aufgenommen.
Arbeiten Sie mit komplexen Prozessen, bei denen möglicherweise unberücksichtigte Variablen Ihre Vorhersagen beeinflussen? Haben Sie manchmal Schwierigkeiten, die Gültigkeit von Faktoren zu bestimmen, die die Ergebnisse komplexer Wechselwirkungen beeinflussen? Beeinträchtigen kollineare Faktoren die Effizienz Ihrer Prozessverbesserungsprojekte?
In dieser JMP-Mastering-Session nutzen wir Machine-Learning-Tools anhand einer Fallstudie, um die idealen Bedingungen für die präzise Fertigung von Maschinenteilen für die Luftfahrtindustrie zu ermitteln. So geht's:
- Untersuchen Sie die Daten und decken Sie mögliche kollineare Beziehungen grafisch auf.
- Untersuchen Sie einfache lineare Regressionsmodelle und ermitteln Sie, warum diese nicht ausreichend sind.
- Nutzen Sie die Machine-Learning-Tools von JMP Pro, um ein Modell zu erstellen und zu evaluieren, das kollineare Effekte präzise identifiziert und behandelt.
Fragen, die von @Peter_Polito und @Bill_Worley im Live-Webinar beantwortet wurden:
F: Können PCA und neuronale Netze in JMP durchgeführt werden oder ist JMP Pro erforderlich?
A: Beide sind in der regulären JMP-Version verfügbar. Neuronale Netze in JMP bieten eine einzelne Aktivierungsfunktion. Neuronale Netze in JMP Pro bieten hingegen zusätzlich mehrere Aktivierungsfunktionen, Boosting und Modellvalidierung.
F: Benötigt VIF wiederholte Messungen in den Daten?
A: Nein. Wiederholte Messungen sind hingegen nützlich, um die Variation in Modellen zu verstehen.
F: Kann man RSM auf Hauptkomponenten anwenden?
A: Ja.
F: Sie erwähnten Random Forest. Ist diese Analysemethode in JMP verfügbar, und falls ja, können wir das Kriterium (z. B. Gini, Entropie usw.) festlegen?
A: Wir nennen es Bootstrap Forest . Es ist in JMP Pro verfügbar.
F: Würden Sie VIF bitte überprüfen?
A:VInflationsfaktor (VIF) ist für jeden Term im Modell verfügbar, wenn die Verteilung normalverteilt ist. HochVIFDie Werte deuten auf ein Kollinearitätsproblem zwischen den Termen im Modell hin. Um den VIF-Wert anzuzeigen,Klicken Sie mit der rechten Maustaste in die Tabelle mit den Parameterschätzungen und wählen Sie Spalten >VIF oder legen Sie es in den Voreinstellungen unter den Optionen „Anpassungsmodell“ fest: „Kleinste Quadrate anpassen“, „Antwortanpassung“ und „Gemischte Anpassung“. Weitere Informationen zu VIF finden Sie im Video unten.
