Validierung des Functional Data ExplorerHallo,
Ich verwende den Functional Data Explorer, um FPCs mit 70 Losen mit jeweils etwa 15 funktionalen Datenpunkten zu generieren. Das mit diesen 70 Losen generierte Modell möchte ich verwenden, um die FPCs für eine Reihe neuer Lose zu generieren. Dazu verwende ich die Validierungsoption, die die 70 Lose als Trainingsdatensatz und die neuen Lose als Validierungsdatensatz klassifiziert.
Allerdings ändern sich die für die neuen Lose generierten FPCs je nachdem, wie viele neue Lose hinzugefügt werden. Sollten sie nicht dieselben sein, da sich das mit den ursprünglichen 70 Losen generierte Modell nicht ändert?
Danke.
Erweiterte statistische ModellierungBetreff: Validierung des Functional Data ExplorerHallo @Here4DOE ,
Willkommen in der Community!
Um mehr Feedback und Antworten auf Ihre Fragen zu erhalten, empfehle ich Ihnen, den Artikel „Schnell die richtigen Antworten auf richtige Fragen erhalten“ zu lesen.
Könnten Sie uns etwas Kontext und weitere Informationen geben? Vielleicht einen Screenshot der Situation, Details zur Nutzung der Plattform, zur Einrichtung der Validierungsspalte oder noch besser einen Beispieldatensatz, mit dem wir die Situation reproduzieren könnten?
Ich habe versucht, Ihre Situation mit dem JMP-Datensatz „Fermentationsprozess“ zu reproduzieren und die Analyse zweimal durchgeführt: beim ersten Mal mit allen Zeilen Training + Validierung, beim zweiten Mal mit allen Zeilen Training, aber ohne einige Validierungszeilen. Für die gemeinsamen Validierungszeilen beider Datensätze sind die FPCs identisch:
Dies ist die erwartete Situation, da Validierungszeilen für den Functional Data Explorer wie Testdatensätze funktionieren. Sie können FPCs und andere Informationen basierend auf dem Trainingsdatensatz berechnen, die Modellanpassung wird jedoch nicht durch diese Validierungszeilen beeinflusst. Daher sollten Sie unabhängig von der Anzahl der hinzugefügten Zeilen dieselben Werte für Validierungszeilen erwarten. Siehe Validierung in JMP-Modellierung .
Ich denke, dass diese Ergebnisse möglicherweise aus einem anderen Grund erzielt werden, beispielsweise durch einen Unterschied bei der Datenaufteilung (nicht dieselben Zeilen für das Training, sind einige ausgeschlossen?) oder bei der Datenverarbeitung/-modellierung (irgendeine Vorverarbeitung/Skalierung/Ausrichtung/...? In beiden Situationen dasselbe Modell und dieselben Parameter verwendet? Dieselbe Anzahl von Formfunktionen? ...).
Hoffe, diese Antwort könnte in der Zwischenzeit helfen,
Betreff: Validierung des Functional Data ExplorerWenn ich wie beschrieben vorgehe, Training und Validierung sowie Training mit einer ausgeschlossenen Validierungscharge, sind die FPCs für die Trainingschargen gleich, unterscheiden sich jedoch für die Validierungscharge (siehe Screenshot unten). Alle Trainingszeilen wurden in beiden Fällen berücksichtigt, und meine Validierungsspalte ist eine numerische Spalte mit Nullen für Training und Einsen für Validierungschargen. Der X-Eingang ist die Zeit. Für jede Charge unterscheiden sich die Zeiten, für die ich Daten habe, liegen aber alle im gleichen Bereich.
Betreff: Validierung des Functional Data ExplorerEs liegen leider nicht genügend Informationen vor, um Ihnen zu helfen und die Situation zu beheben.
Ich verstehe Ihr Problem, aber dies ist nicht das erwartete Verhalten. Es sollte keine Unterschiede je nach Anzahl der Validierungszeilen geben.
Könnten Sie einen anonymisierten Datensatz bereitstellen oder das Problem auf einem JMP-Standarddatensatz reproduzieren?
Ich bin fest davon überzeugt, dass es irgendwo zu Datenlecks oder Unterschieden in der Modellierung kommen könnte.
Betreff: Validierung des Functional Data ExplorerHallo @Here4DOE ,
Ich stimme @Victor_G zu, dass wir einige der Daten oder einen reproduzierten Datensatz einsehen müssten, um herauszufinden, wie dies geschieht. FPC-Werte sollten unabhängig von der Validierungsgröße konsistent generiert werden. Wie greifen Sie auf die FPC-Ergebnisse zu? Speichern Sie Funktionzusammenfassungen?
Ich würde Ihnen außerdem empfehlen, sich an support@jmp.com zu wenden, um einen Supportfall zu eröffnen und das Problem zu prüfen.
Danke,
Ben
