중앙값 연마 작업을 도와주세요안녕하세요,
세포 기반 스크리닝 데이터에서 홀수 행(A, C 등)의 신호가 짝수 행(B, D 등)보다 약간 낮게 나타나는 행별 왜곡 현상이 발생합니다. 이상적인 해결책은 장비 자체의 변동성을 줄이는 것이지만, 동시에 데이터를 평활화하여 유의미한 결과를 얻고 더 나은 결과를 도출하고 싶습니다. 스크리닝 데이터의 공간적 편향을 제거하기 위해 Tukey의 중앙값 평활화 기법이 사용된다는 논문을 여러 편 읽었지만, JMP에서 이 기법을 어떻게 구현하는지, 또는 내장 기능이 있는지 여부를 파악하지 못했습니다. 행과 열의 중앙값을 찾아 직접 계산하는 방식으로 한 번은 수행할 수 있겠지만, 이 기법의 강력한 점은 행과 열 중앙값의 변화가 미미해질 때까지 여러 번 반복할 수 있다는 것입니다. 이 작업을 수행할 수 있는 스크립트를 작성하거나 플러그인을 알려주실 수 있는 분이 계실까요? 다른 분석 도구들처럼 y 변수, 행과 열, 그리고 종속 변수를 입력할 수 있는 GUI 창이 있으면 좋겠습니다. 반복 횟수를 입력하는 칸이나 잔차 검정 기능 같은 것도 있으면 좋을 것 같습니다. 반복을 언제 멈춰야 할지 스스로 판단하고, 각 반복의 결과를 마지막에 보여주는 기능이 있으면 더 좋겠습니다. 제가 JMP를 처음 사용해봐서 이런 부분은 좀 어렵게 느껴지지만, 도움을 주시면 정말 감사하겠습니다! 이런 기능은 스크리닝 분석 도구에도 유용하게 쓰일 것 같습니다. 데이터를 더 부드럽게 만들고, 적중률 판정을 더 정확하게 해주는 것으로 알려져 있기 때문입니다. 미리 감사드립니다!
-연령
중앙값 광택에 대한 정보 링크:
https://en.wikipedia.org/wiki/Median_polish
고급 통계 모델링자동화 및 스크립팅제목: 중간값 연마 작업 관련 도움 요청JMP 자체에는 중앙값 폴리싱 기능이 제공되지 않는 것으로 알고 있지만, JMP와 Python 또는 R의 인터페이스를 통해 해당 프로그램의 중앙값 폴리싱 루틴에 접근할 수 있습니다.
제목: 중간값 연마 작업 관련 도움 요청또한, 홀수 행의 편향을 제거하려면 GUI에서 몇 번의 클릭만으로 가능합니다. 가운데 정렬 대신 표준화를 선택할 수도 있습니다.
재밌는 스크립팅 연습이 될 것 같네요. 제가 JSL로 스크립트를 작성한다면 이 영상 에 나오는 단계를 따를 것 같습니다.
제목: 중간값 연마 작업 관련 도움 요청...그리고 나서 Col Mean()을 Col Median()으로 바꾸면 될지도 모릅니다.
중앙값 보정 기법을 완벽하게 적용하려면 데이터가 해당 기법에 적합해야 합니다.
그렇지 않으면 매우 중요한 (필수적인!) 정보가 "실수로" 많이 삭제될 수 있습니다.
제목: 중간값 연마 작업 관련 도움 요청또 다른 접근 방식...
아, 이번에는 언급하지 않을게요.
제목: 중간값 연마 작업 관련 도움 요청제가 알려드릴게요! @호기 님의 정규화 GUI 도 이 기능을 제공합니다.
제목: 중간값 연마 작업 관련 도움 요청안녕하세요, 짐.
답변 감사합니다. 제가 직접 뭔가를 만드는 것보다는 다른 사람들이 이미 만들어 놓은 것을 활용하고 싶었거든요!
다시 한번 감사드립니다.
연령
제목: 중간값 연마 작업 관련 도움 요청안녕하세요, 제드.
답변 감사합니다. 스크린샷에서 어떤 작업을 하고 계신지 좀 더 자세히 설명해 주시겠어요? 저는 이 옵션들에 익숙하지 않아서요.
스크립팅에 관해서는, 중간 단계의 완성도는 이해하지만, 반복적인 과정이라 유연성을 고려한 스크립트를 작성하려면 시간이 좀 걸릴 것 같습니다. 혹시 누군가 스크립트를 작성하는 데 도움을 주시거나 이미 작동하는 스크립트를 알려주실 수 있을까 해서 문의드립니다!
제목: 중간값 연마 작업 관련 도움 요청두 분 모두 감사합니다!
함수를 사용해서 비슷한 방법을 시도해 봤는데 데이터가 약간 개선됐습니다! 각 행의 모든 테스트 웰의 중앙값을 구하고(적절한 조건의 HTS에서는 대부분의 테스트 웰이 히트가 아니기 때문입니다) 이를 기준으로 정규화했습니다. 이렇게 하니 행 효과를 어느 정도 완화하고 히트를 선별하는 데 도움이 되었습니다.
-연령
제목: 중간값 연마 작업 관련 도움 요청안녕하세요 @amichaud 님 ,
위 상황을 간단히 정리해 드리겠습니다.
- 짝수 행과 홀수 행에 대해 말씀하셨기에, 0과 1이 번갈아 나타나는 '편향(Bias)'이라는 열을 만들었습니다.
- 편향 열을 마우스 오른쪽 버튼으로 클릭하고 새 수식 열 > 그룹화를 선택했습니다. 이렇게 하면 새 열이 생성되지는 않지만, 편향 열이 향후 수식 열의 그룹화 열로 설정됩니다.
- Y 열을 마우스 오른쪽 버튼으로 클릭한 다음 [새 수식 열] > [분포] > [중심]을 선택하면 Y 열이 지정된 그룹 변수에 대해 반복적으로 0을 중심으로 변환됩니다. 즉, 편향 열의 0과 1이 개별적으로 변환됩니다. 이는 홀수/짝수 행을 기준으로 샘플의 편향을 제거하는 또 다른 방법입니다. [분포] > [표준화]를 선택하여 동일한 작업을 수행할 수도 있습니다.
- 이 그래프는 단지 이를 시각적으로 보여주기 위한 것입니다. 아래쪽 그래프는 각 편향 그룹마다 다른 적합도를 보여주지만, 위쪽 그래프는 중심화 과정을 통해 편향이 제거되었기 때문에 두 그룹 모두에 대해 동일한 적합도를 보여줍니다.
또한, 어떤 작업을 하려는지에 따라 편향(Bias) 열을 생성하는 모델에 효과로 포함시킬 수도 있습니다. 그러면 프로파일러에서 데이터 변경 없이 해당 효과를 확인하고 상호 작용할 수 있습니다. 이를 보여주는 업데이트된 데이터 테이블을 첨부했습니다.
