레벨: 중급
필립 램지, 뉴햄프셔 대학교 수석 강사, 노스헤이븐 그룹 소유자
Chris Gotwalt, SAS 통계 연구 및 개발 부문 JMP 이사
통계적 모델링에는 설명과 예측이라는 두 가지 다른 목표가 있습니다. 설명적 모델은 종종 예측이 좋지 않습니다(Shmueli, 2010). 종종 설계된 실험(DOE) 분석은 설명적이지만 실험적 목표는 예측입니다. DOE는 미래 성과를 예측하는 제품 및 프로세스 개발을 위한 모범 사례입니다. 예측 모델링은 데이터를 훈련 및 검증 세트로 분할해야 하며, 검증 세트는 예측 모델을 평가하는 데 사용됩니다. 대부분의 DOE는 검증 세트를 형성하기에 충분한 관찰이 없어 예측 성과를 직접 평가할 수 없습니다. 원본 데이터를 사용하여 해당 데이터의 두 사본을 만드는 "균형 잡힌 자동 검증" 기술을 시연합니다. 하나는 훈련 세트이고 다른 하나는 검증 세트입니다. 세트는 행 가중치가 다릅니다. 가중치는 디리클레 분포를 따르고 "균형 잡혔습니다." 즉, 훈련 데이터에 더 많이 기여하는 관찰은 검증 세트에 덜 기여합니다(그 반대의 경우도 마찬가지입니다). 이 접근 방식은 데이터를 복사하고 가중치에 대한 수식 열을 만들기만 하면 됩니다. 이 기술은 일반적이어서 실험실 및 제조 연구에 공통적인 더 작은 데이터 세트에 예측 모델링 기술을 적용할 수 있습니다. 두 가지 바이오파마 프로세스 개발 사례 연구가 데모에 사용됩니다. 두 사례 모두 대규모 검증 세트와 확정적 스크리닝 설계가 결합되어 있습니다. JMP는 분석을 데모하는 데 사용됩니다.
