Validazione di Functional Data ExplorerCIAO,
Sto utilizzando Functional Data Explorer per generare FPC utilizzando 70 lotti, ciascuno con circa 15 punti dati funzionali. Voglio utilizzare il modello generato con questi 70 lotti per generare gli FPC per un certo numero di nuovi lotti. Per fare ciò, utilizzo l'opzione di convalida classificando i 70 lotti come set di training e i nuovi lotti come set di convalida.
Tuttavia, gli FPC generati per i nuovi lotti cambiano a seconda di quanti nuovi lotti vengono aggiunti: non dovrebbero essere gli stessi del modello generato utilizzando i 70 lotti originali che non cambiano?
Grazie.
Modellazione statistica avanzataRe: Validazione di Functional Data ExplorerCiao @Qui4DOE ,
Benvenuti nella Community!
Per ricevere ulteriori feedback e risposte alle tue domande, ti consiglio di leggere Come ottenere rapidamente le risposte corrette alle domande corrette .
Potresti fornire un po' di contesto e altre informazioni? Forse uno screenshot della situazione, dettagli su come usi la piattaforma, come imposti la colonna di convalida o, ancora meglio, un set di dati campione che potremmo usare per riprodurre la situazione?
Ho provato a riprodurre la tua situazione usando il dataset JMP "Fermentation Process" e ho fatto l'analisi due volte: una prima volta con tutte le righe di training + validazione, una seconda volta con tutte le righe di training ma alcune righe di validazione escluse. Per le righe di validazione in comune tra i due set, gli FPC sono gli stessi:
Questa è la situazione prevista, poiché le righe di convalida per Functional Data Explorer sono come set di test, puoi calcolare FPC e altre informazioni su queste righe in base al set di training, ma l'adattamento del modello non è influenzato da queste righe di convalida. Quindi dovresti aspettarti gli stessi valori per le righe di convalida, indipendentemente dal numero di righe aggiunte. Consulta Convalida in JMP Modeling .
Penso che potrebbe esserci qualcos'altro che ti dà questi risultati, forse una differenza nella suddivisione dei dati (non le stesse righe per l'addestramento, alcune sono escluse?) o nell'elaborazione/modellazione dei dati (qualsiasi pre-elaborazione/ridimensionamento/allineamento/...? Stesso modello e parametri utilizzati in entrambe le situazioni? Stesso numero di Shape Function? ...).
Spero che questa risposta possa aiutarti nel frattempo,
Re: Validazione di Functional Data ExplorerQuando faccio come descrivi, training e tutte le convalide, così come training con un lotto di convalida escluso, gli FPC sono gli stessi per i lotti di training ma differiscono per il lotto di convalida, vedi schermata qui sotto. Tutte le righe di training sono state incluse in entrambe le istanze e la mia colonna di convalida è una colonna numerica contenente 0 per training e 1 per lotti di convalida. La X, Input è il tempo e per ogni lotto, i tempi per cui ho dati differiscono ma sono tutti nello stesso intervallo.
Re: Validazione di Functional Data ExplorerMi dispiace, ma non abbiamo informazioni sufficienti per aiutarti e risolvere la situazione.
Vedo il tuo problema, ma questo non è il comportamento previsto. Non dovrebbero esserci differenze a seconda del numero di righe di convalida.
Potresti fornire un set di dati anonimizzato o riprodurre il problema su un set di dati standard JMP?
Credo davvero che ci possano essere delle perdite di dati o delle differenze nella modellazione da qualche parte.
Re: Validazione di Functional Data ExplorerCiao @Qui4DOE ,
Sono d'accordo con @Victor_G che dovremmo vedere alcuni dati o un set di dati riprodotto per scoprire come ciò avviene, i valori FPC dovrebbero essere generati in modo coerente indipendentemente dalla dimensione della convalida. Come accedi ai punteggi FPC? Stai salvando i riepiloghi delle funzioni?
Ti suggerisco anche di contattare supporto@jmp.com per impostare una richiesta di supporto per esaminare la questione.
Grazie,
Ben
