予測プロファイラーの問題マルコム・ムーア
予測プロファイラーに関する問題について質問がありますので、ご理解いただければ幸いです。モデルの適合機能を使用してモデルを構築し、効果スクリーニングモードで複数の効果を含む3つの応答を個別にフィッティングしました。モデル構築後、最も重要な効果を特定し、残差の正規性を確認しました。モデル診断が完了したら、予測プロファイラーを使用して、どの因子値が特定の目標応答を生み出すかを調べました。次に、望ましさ関数を適用し、応答を目標値に設定しました。その結果、ベル型の望ましさ曲線が得られました。次に、望ましさの最大化を使用して、応答が目標と一致するように因子値を調整しました。しかし、予期しないことに気づきました。予測プロファイラーで因子線を手動で調整し、再度望ましさの最大化をクリックすると、結果の因子値が以前の値と大きく異なる場合があり、因子の下の望ましさ関数の形状も変化します。
なぜこのようなことが起こるのでしょうか？目標とする反応を達成するために最適な設定を予測する際に、どの因子値のセットを信頼すればよいのでしょうか？
基本的なデータ分析とモデリング予測プロファイラーの問題についてこんにちは、Rokusan91さん
JMPの予測プロファイラは、連続因子の場合、最急降下法アルゴリズムを用いて、各応答に設定された望ましさ基準を満たす入力因子の最適な設定を探します。システムには複数の最適値が存在するため、予測値が異なる場合があります。プロファイラはそれらの可能性の1つを示しています。入力値を調整すると、プロファイラは異なるものの同様に望ましい最適値を示します。
これを変更して、より制約のある結果を提供するには、最大化オプション (最適化と望ましさ > 最大化オプション) を確認する必要があります。旅行回数を増やすことから始めて、繰り返し作業して変更するのがよい方法であることがわかりました。
役に立つヒントがいくつかあるこの投稿でも同様に回答しています: https://community.jmp.com/t5/Discussions/Different-result-from-Prediction-profiler-everytime/td-p/746903
ありがとう！
ベン
予測プロファイラーの問題についてこんにちは@Rokusan91さん、
あなたが説明している状況は非常に一般的です。モデリングとプロファイラーに追加する応答が増えるほど、「最適な」ソリューションを得るために「トレードオフ」/妥協が必要になる可能性があります。ほとんどの場合、応答は同じ方向とパターンで進化するわけではないので、適切な妥協点をもたらす単一のソリューションは存在しない可能性があります。
この状況をより良く視覚化するには、シミュレータを使用してモデルからデータポイントを生成し、因子範囲を十分なポイントとランダムな一様分布でカバーします。生成されたデータテーブルには、予測された応答と、全体的な望ましさスコアを含む「Obj」列が含まれます。
この表のデータポイントをプロットし、最適解がどこにあるかを確認します。おそらく、最適解（ここでは3つの因子に対して2つの応答を持つ例）に到達するのに役立つ組み合わせがいくつかあることがわかるでしょう。パレート面：
もう一つの選択肢は、「最適化と望ましさ」の「最大化して記憶する」オプションを、異なる開始点から複数回実行することです。しかし、これは大変な作業であり、完全に網羅的ではなく、エラーが発生する可能性もあります。
このパレートフロントソリューションがお役に立てれば幸いです。
