이 위시리스트 요청의 영감은 무엇이었을까요? 함수형 데이터 분석은 훌륭하지만, 함수형 주성분 분석을 사용할 경우 비지도 학습 방법이기 때문에 함수형 PCR을 통해 예측 모델을 구축하려면 함수형 주성분을 저장해야 합니다. 이론상으로는 함수형 부분 최소 제곱법을 사용하면 이 문제를 해결할 수 있습니다. 함수형 PCR은 지도 학습 방법이고 예측 모델을 구축하는 것이 훨씬 더 쉽기 때문입니다.
원래 영감은 피터 허쉬 와 제가 European Discovery와 최근 SciX 컨퍼런스에서 발표한 포스터에서 얻었습니다. 스펙트럼 데이터 분석을 위해 PCA, 기능적 PCA, 그리고 PLS를 비교했습니다. PLS가 1위를 차지했고, 기능적 PCA가 2위를 차지했습니다. 따라서 기능적 PCA가 PCA보다 우수하다면, 기능적 PLS도 PLS보다 우수해야 한다는 것은 당연한 이치입니다. 적어도 제 생각에는 그렇습니다. 그렇다면 JMP는 FDE 플랫폼에 가장 뛰어나고 예측 가능한 모델링 기능을 내장하고 있을 것입니다. R이나 Python으로 코딩하지 않는 한, 다른 소프트웨어는 이러한 기능을 제공하지 않습니다.
새롭게 추가되거나 개선된 기능이나 솔루션을 설명해 주세요. FDE 플랫폼에 기능적 PLS를 추가하면 JMP의 FDE는 곡선 데이터 분석에 있어 강력한 플랫폼이 될 것이며, 모든 곡선 데이터 분석에 더욱 유연한 플랫폼이 될 것입니다. 미국 통계 협회(American Statistical Association)를 대신하여 Taylor and Francis가 작성한 첨부 논문을 참조하세요. 이 논문에서는 기능적 주성분 회귀(FPR)와 기능적 부분 최소 제곱법(PLS)을 직접 비교합니다. 이 논문은 기능적 PCR과 기능적 PLS를 설명하고 비교하며, 실제 NIR 데이터 분석에서 기능적 PLS가 가장 우수한 것으로 나타났습니다.
이 새로운 기능이 제공된다면 여러분과 다른 사용자들에게 어떤 가치가 있을까요? 기능적 PLS는 곡선 데이터를 더욱 강력하고 직접적으로 분석할 수 있는 방법을 제공합니다. 기능적 PLS를 사용하면 FDE 플랫폼 내에서 예측 모델을 훨씬 더 쉽게 구축할 수 있는데, 이는 FDE가 도입된 이후 사용자들이 요구해 온 사항입니다.
외부 고객 요청인가요? 고객이 직접 요청한 것은 아니지만, 고객들이 기능적 PCA 데이터에서 직접 예측 모델을 구축할 수 있는 방법을 요청해 왔습니다. ADM의 Drew Luebe와 FDE에 기능적 PLS를 추가하는 것에 대해 이야기를 나눴는데, 그는 이를 곡선 데이터에 적용하는 데 매우 관심이 있다고 했습니다.
이런 기능이나 솔루션을 갖춘 경쟁 소프트웨어 패키지가 있을까요? 아니요, 그게 가장 중요한 부분입니다. 그렇게 된다면 FDE 플랫폼은 곡선 데이터 분석 분야에서 훨씬 더 독보적인 플랫폼이 될 것입니다.
이것이 고객의 갱신, 확장 또는 도입에 영향을 미칠까요? 그리고 이 문제를 해결하지 않을 경우 계정이 위험에 처하게 될까요? FDE 플랫폼에 기능적 PLS를 추가하면 핵심 화학 산업 고객들이 화학계량 데이터 분석에 더 효과적으로 대응할 수 있게 되어 JMP Pro의 확장 및 사용이 촉진될 것입니다.
