機能データエクスプローラーのターゲットカーブおはよう、
機能データエクスプローラーでは、ターゲット曲線の望ましさを定義することは可能でしょうか？機能実験設計プロファイラーでは、曲線全体にわたって望ましさを定義することはできず、特定の点Xでのみ定義できるからです。
同様に、シミュレーターにおいて、JMP Proがプロファイラーで定義されたX値だけでなく、曲線のすべての点を計算するような、特定の数の実験を含むデータテーブルを作成することは可能でしょうか？
ご協力ありがとうございます。
実験計画法Re: 機能データエクスプローラーのターゲットカーブこんにちは、 @SquaresJackal10 さん、
機能データエクスプローラーのデータ処理オプション（コマンド > ターゲット関数）で、ターゲット曲線/関数を追加できます。こうすることで、「ターゲットプロファイラを表示」をクリックしたときに、FPC予測プロファイラに2行のプロファイラと、入力したターゲットにできるだけ近い曲線関数に最適化するオプションが追加されます。
機能的実験計画法（DoE）分析を使用した場合（かつ、モデルが信頼性が高く正確である場合）は、「機能的DoE分析」の横にある赤い三角形から予測式をテーブルに保存できます。その後、任意のX値を含む新しいテーブルを作成し、そのテーブルに予測式をコピー＆ペーストすることで曲線を予測できます。
この回答がお役に立てば幸いです。
Re: 機能データエクスプローラーのターゲットカーブご回答いただき、誠にありがとうございます。大変参考になりました。ところで、このモジュールでモデルの信頼性と精度を確保するにはどうすればよいでしょうか？標準的な実験計画法と同じように機能するのでしょうか、それとも何か特別な注意点があるのでしょうか？
改めてありがとうございました。
Re: 機能データエクスプローラーのターゲットカーブこんにちは、 @SquaresJackal10 さん、
モデリングは複数の段階（まずモデルを使用して曲線をフィッティングし、次に形状関数の特定と係数の推定によって次元を削減し、最後に機能モデルの係数を因子の関数としてモデル化する）で行われるため、最終モデルを使用して曲線を最適化および予測する際には、次の3つの点に注意する必要があります。
- 曲線モデリングが十分に正確であり、フィッティングによって特定のバイアスが生じないことを確認してください。そのためには、レポート内の診断プロットを使用して、モデルがデータにどの程度適合しているかを評価できます。以下に、JMP NMR DOEデータセットを使用した例を示します。
-
次に、予測精度を十分に高めつつ、適切な数の形状関数と関連係数を維持できるような、適切な数の主成分を評価します（過学習のリスクがある過度に複雑なモデルを避けるため）。以下は、以前と同じデータセットを使用した例です（ここで使用する関数データはNMRスペクトルで構成されているため、決定する必要のある形状関数と係数の数は比較的多くなります。異なるピークと領域に適合させるには、スペクトルに関する情報が失われないように、かなり多くの形状関数（および関連係数）が必要になります）。
-
最後に、DoE機能データ分析を実行する際にJMPによって生成されるデフォルトモデルを検証します。このステップの目的は、前のステップで見つかった形状関数の係数を、実験計画の因子（より一般的には、データテーブルの因子／予測変数／特徴量）を使用してモデル化することです。この部分はユーザーに見落とされがちですが、適切に処理しないと誤った解釈や予測につながる可能性があります。
診断プロットを調べ、モデルにパターンや重大な不正確さ/欠陥がある場合は、各係数について各一般化回帰モデルをチェックして、その係数のモデリングを改善できます。ただし、情報を「要約」していくにつれて、各ステップで精度が低下します。まず、曲線を近似する関数モデルを取得し、次に関数PCAによって次元を削減し、最後に、保存された主関数の係数をモデル化しようとします。
最も重要なことは、最初の係数を正しくモデル化することです。なぜなら、それらは関連する形状関数の影響を調整することによって、曲線からの情報の大部分を集中させるからです（前のFPCの固有値グラフを参照）。
この回答がお役に立てば幸いです。
Re: 機能データエクスプローラーのターゲットカーブどうもありがとうございます。おかげでずっとよく理解できました。
しかし、「ステップ1とステップ2」では残留物が全く検出されませんでした。これまでこのようなことは一度もなかったのですが、これは正常な状態なのでしょうか？
診断用ウェーブレットとグラフ
機能的PCA：
しかし、得られたY値と機能的DOE分析で予測されたY値には、いくつか相違点があります。
ありがとう
Re: 機能データエクスプローラーのターゲットカーブウェーブレットモデルは非常に精度が高く柔軟性もあるため、残差がゼロになるのは驚くべきことではありません。ウェーブレット以外の関数アプローチ（特にPスプライン、あるいは曲線が二次関数や三次関数など容易に識別できるパターンを持つ場合はBスプライン）を試して、同じ結果が得られるかどうかを確認してみてください。もし同じ結果が得られるなら、それは単に、そのタイプのモデルによって曲線が非常にうまくモデル化されていることを意味します。
ウェーブレットモデルでは、関数型PCAは多数の成分を推奨するため、「情報圧縮」はほとんど行われず、したがって、残差がゼロになるという前回と同様の状況に陥っても不思議ではありません。
最終診断では、完全なモデルがデータの傾向を正しく捉えており、残差にはバイアスやパターンは見られず、残差の0を中心としたランダムな変動や残差の等分散性も確認されました。
