모형 적합 옵션
부분 최소 제곱 플랫폼에서 "모형 적합"의 빨간색 삼각형 메뉴에는 다음 옵션이 포함되어 있습니다.
변동 백분율 그림
"X 효과에 대해 설명되는 변동 백분율"과 "Y 효과에 대해 설명되는 변동 백분율"이라는 두 개의 그림을 추가합니다. 여기에는 X 및 Y에 대해 추출된 각 요인에 의해 설명되는 변동 백분율을 나타내는 누적 막대 차트가 표시됩니다.
변수 중요도 그림
각 X 변수의 VIP(Variable Importance for Projection) 값을 그림에 표시합니다. VIP 스코어가 "변수 중요도 테이블"에 나타납니다. 자세한 내용은 변수 중요도 그림에서 확인하십시오.
VIP 대 계수 그림
모형 계수에 대한 VIP(Variable Importance for Projection) 통계량을 그림에 표시합니다. 선택한 Y에 해당하는 점만 표시할 수 있습니다. 추가 라벨 옵션이 제공됩니다. 중심화 및 척도화된 데이터에 대한 그림과 원래 데이터에 대한 그림이 둘 다 있습니다. 자세한 내용은 VIP 대 계수 그림에서 확인하십시오.
VIP 임계 설정
변수 중요도 그림, 변수 중요도 테이블 및 VIP 대 계수 그림에 사용할 임계 수준을 설정합니다.
계수 그림
전체 X 변수에서 각 반응에 대한 모형 계수를 그림에 표시합니다. 선택한 Y에 해당하는 점만 표시할 수 있습니다. 중심화 및 척도화된 데이터에 대한 그림과 원래 데이터에 대한 그림이 둘 다 있습니다.
적재 그림
추출된 각 요인에 대한 X 및 Y 적재를 그림에 표시합니다. X와 Y에 대해 각각 별도의 그림이 있습니다.
적재 산점도 행렬
X 적재 및 Y 적재의 산점도 행렬을 표시합니다.
상관 적재 그림
동일한 그림에 중첩된 X 및 Y 적재의 단일 산점도 또는 산점도 행렬을 표시합니다. 이 옵션을 선택할 때 그림에 표시할 요인 수를 지정합니다.
– 두 개의 요인을 지정하면 단일 상관 적재 산점도가 나타납니다. 그림 아래에서 축을 정의하는 두 요인을 선택합니다. 오른쪽 화살표 버튼을 클릭하면 각 요인 조합이 연속해서 그림에 표시됩니다.
– 세 개 이상의 요인을 지정하면 선택한 개수까지의 요인 쌍에 대한 셀이 포함된 산점도 행렬이 나타납니다.
두 경우 모두 체크박스를 사용하여 라벨 지정을 제어합니다.
X-Y 스코어 그림
다음 옵션을 포함합니다.
선형 적합
"X-Y 스코어 그림"에 점을 통과하는 적합선을 표시하거나 숨깁니다.
신뢰 대역 표시
"X-Y 스코어 그림"에 적합선에 대한 95% 신뢰 대역을 표시하거나 숨깁니다.
스코어 산점도 행렬
X 스코어의 산점도 행렬과 Y 스코어의 산점도 행렬을 표시합니다. 각 X 스코어 산점도에는 이상치 감지에 사용할 수 있는 95% 신뢰도 타원이 표시됩니다. 신뢰도 타원에 대한 통계 상세 정보는 X 스코어 산점도 행렬의 신뢰도 타원에 대한 통계 상세 정보에서 확인하십시오.
거리 그림
다음을 나타내는 그림을 표시합니다.
– 각 관측값에서 X 모형까지의 거리
– 각 관측값에서 Y 모형까지의 거리
– X 모형까지의 거리와 Y 모형까지의 거리를 둘 다 보여 주는 산점도
적합한 모형에서는 X 거리와 Y 거리가 모두 작으므로 점이 원점 (0,0)에 가깝습니다. 그림을 사용하여 X 또는 Y에 대한 이상치를 찾을 수 있습니다. 점 그룹이 함께 군집화되면 공통 특징을 가질 수 있으며 개별적으로 분석할 수 있습니다. 검증 데이터 집합 또는 검증 및 테스트 데이터 집합이 사용 중인 경우 이러한 데이터 집합과 훈련 데이터 집합에 대해 별도의 보고서가 제공됩니다.
T 제곱 그림
각 관측값에 대한 T2 통계량 그림과 관리 한계를 함께 표시합니다. 관측값의 T2 통계량은 추출된 요인에 대한 해당 관측값의 스코어를 기반으로 계산됩니다. 관리 한계 및 T2 계산에 대한 자세한 내용은 T2 그림에 대한 통계 상세 정보에서 확인하십시오.
진단 그림
모형 적합을 평가하기 위한 진단 그림을 표시합니다. "실제값 대 예측값 그림", "잔차 대 예측값 그림", "잔차 대 행 번호 그림" 및 "잔차 정규 분위수 그림"이라는 네 가지 유형의 그림이 있습니다. 각 반응에 대한 그림이 제공됩니다. 검증 데이터 집합 또는 검증 및 테스트 데이터 집합이 사용 중인 경우 이러한 데이터 집합과 훈련 데이터 집합에 대해 별도의 보고서가 제공됩니다.
프로파일러
각 Y 변수에 대한 프로파일러를 표시합니다.
스펙트럼 프로파일러
모든 반응 변수가 그림의 첫 번째 셀에 나타나는 단일 프로파일러를 표시합니다. 이 프로파일러는 X 변수의 변화가 Y 변수에 미치는 영향을 동시에 시각화하는 데 유용합니다.
열 저장
다양한 계산식 및 결과를 저장하기 위한 옵션이 포함되어 있습니다.
예측 계산식 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 X 변수의 함수 형태인 예측 계산식을 포함하는 예측 계산식 <반응> 열이 있습니다.
예측을 X 스코어 계산식으로 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 X 스코어 계산식의 함수 형태인 예측 계산식을 포함하는 예측 계산식 <반응> 열이 있습니다. 각 X 스코어에 대한 계산식 열도 데이터 테이블에 저장됩니다.
예측 계산식 표준 오차 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 X 변수의 함수 형태인 예측 평균 표준 오차 계산식을 포함하는 예측값 표준 오차 <반응> 열이 있습니다. 자세한 내용은 예측 및 신뢰 한계에 대한 통계 상세 정보에서 확인하십시오.
평균 신뢰 한계 계산식 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 X 스코어 계산식의 함수 형태인 평균 반응 신뢰 하한 및 상한 열이 있습니다. 새 열 이름은 평균 <반응>의 95% 하한과 평균 <반응>의 95% 상한입니다. 이 열에는 반응 평균에 대한 95% 신뢰 한계가 포함됩니다. 자세한 내용은 예측 및 신뢰 한계에 대한 통계 상세 정보에서 확인하십시오.
개별값 신뢰 한계 계산식 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 X 스코어 계산식의 함수 형태인 개별 예측 신뢰 하한 및 상한 열이 있습니다. 새 열 이름은 개별 <반응>의 95% 하한과 개별 <반응>의 95% 상한입니다. 이 열에는 개별값에 대한 95% 예측 한계가 포함됩니다. 자세한 내용은 예측 및 신뢰 한계에 대한 통계 상세 정보에서 확인하십시오.
스코어 계산식 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 추출된 각 요인마다 X 스코어 계산식이 포함된 X 스코어 <N> 계산식 열과 Y 스코어 계산식이 포함된 Y 스코어 <N> 계산식 열이 있습니다. X 스코어 계산식은 X 변수의 함수이고 Y 스코어 계산식은 X 스코어 계산식의 함수입니다. 각 X 스코어 계산식 열에는 MDMCC 열 특성이 있어 MDMCC(모형 기반 다변량 관리도) 플랫폼에서 해당 열을 사용할 수 있습니다. 자세한 내용은 모형 기반 다변량 관리도에서 확인하십시오. 계산식은 부분 최소 제곱에 대한 통계 상세 정보에서 확인하십시오.
Y 예측값 저장
새 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 예측 Y 값을 포함하는 열이 있습니다.
Y 잔차 저장
새 열을 원래 데이터 테이블에 저장합니다. 각 Y 변수마다 Y 잔차 값을 포함하는 열이 있습니다.
X 예측값 저장
새 열을 원래 데이터 테이블에 저장합니다. 각 X 변수마다 예측 X 값을 포함하는 열이 있습니다.
X 잔차 저장
새 열을 원래 데이터 테이블에 저장합니다. 각 X 변수마다 X 잔차 값을 포함하는 열이 있습니다.
X 효과에 대해 설명되는 변동 백분율 저장
열을 새 데이터 테이블에 저장합니다. 각 X 변수마다 추출된 모든 요인에 대해 설명되는 변동률을 포함하는 열이 있습니다.
Y 효과에 대해 설명되는 변동 백분율 저장
열을 새 데이터 테이블에 저장합니다. 각 Y 변수마다 추출된 모든 요인에 대해 설명되는 변동률을 포함하는 열이 있습니다.
스코어 저장
새 열을 원래 데이터 테이블에 저장합니다. 추출된 각 요인마다 X 스코어를 포함하는 열과 Y 스코어를 포함하는 열이 있습니다.
적재 저장
열을 두 개의 새 데이터 테이블에 저장합니다. X 변수에 대한 적재를 포함하는 데이터 테이블과 Y 변수에 대한 적재를 포함하는 데이터 테이블이 있습니다.
표준화된 스코어 저장
새 열을 원래 데이터 테이블에 저장합니다. 새 열에는 추출된 각 요인에 대한 표준화된 X 및 Y 스코어가 포함됩니다. 계산식은 표준화된 스코어 및 적재량에 대한 통계 상세 정보에서 확인하십시오.
표준화된 적재량 저장
열을 두 개의 새 데이터 테이블에 저장합니다. X 변수에 대한 표준화된 적재량을 포함하는 데이터 테이블과 Y 변수에 대한 표준화된 적재량을 포함하는 데이터 테이블이 있습니다. 계산식은 표준화된 스코어 및 적재량에 대한 통계 상세 정보에서 확인하십시오.
T 제곱 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 새 열에는 T2 계산식이 X 변수의 함수 형태로 포함됩니다. 이 열의 값은 T 제곱 그림에도 사용됩니다.
T 제곱을 X 스코어 계산식으로 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 새 열에는 T2 계산식이 X 스코어 계산식의 함수 형태로 포함됩니다.
거리 저장
새 열을 원래 데이터 테이블에 저장합니다. 새 열에는 X 모형까지의 거리(DModX) 및 Y 모형까지의 거리(DModY) 값이 포함됩니다. 이러한 값은 거리 그림에 사용됩니다.
거리를 X 스코어 계산식으로 저장
새 계산식 열을 원래 데이터 테이블에 저장합니다. 새 열에는 X 모형까지의 거리(DModX) 및 Y 모형까지의 거리(DModY) 계산식이 X 스코어 계산식의 함수 형태로 포함됩니다.
X 가중치 저장
열을 새 데이터 테이블에 저장합니다. 추출된 각 요인에 대해 X 변수의 가중치를 포함하는 열이 있습니다.
검증 저장
새 열을 원래 데이터 테이블에 저장합니다. 새 열에는 각 관측값이 검증에 사용된 방법을 나타내는 숫자가 포함됩니다. 홀드백 검증의 경우 행이 훈련 또는 검증에 사용되었는지 여부를 식별합니다. K 폴드 검증의 경우 행이 할당된 부분군의 번호를 식별합니다.
결측값 대치 저장
열을 새 데이터 테이블에 저장합니다. 각 X 및 Y 변수에 대해 결측값이 대치 값으로 대체된 원래 데이터 열을 포함하는 열이 있습니다. 검증 열을 지정한 경우 검증 열도 포함됩니다.
예측 계산식 게시
예측 계산식을 생성하여 계산식 저장소 플랫폼에 계산식 열 스크립트로 저장합니다. "계산식 저장소" 보고서가 열려 있지 않으면 "계산식 저장소" 보고서가 생성됩니다. 자세한 내용은 예측 및 전문 모델링의 계산식 저장소에서 확인하십시오.
스코어 계산식 게시
X 및 Y 스코어 계산식을 생성하여 계산식 저장소 플랫폼에 계산식 열 스크립트로 저장합니다. "계산식 저장소" 보고서가 열려 있지 않으면 "계산식 저장소" 보고서가 생성됩니다. 자세한 내용은 예측 및 전문 모델링의 계산식 저장소에서 확인하십시오.
적합 제거
주 플랫폼 보고서에서 모형 보고서를 제거합니다.
VIP를 사용하여 모형 생성
시작 창을 연 후, 적절한 반응을 Y로 입력하고 VIP(Variable Importance for Projection) 값이 지정된 임계를 초과하는 변수를 X로 입력하여 창을 채웁니다. "중심화 및 척도화된 데이터에 대한 VIP 대 계수" 보고서의 버튼과 동일한 기능을 수행합니다. 자세한 내용은 VIP 대 계수 그림에서 확인하십시오.
저장된 X 스코어에 대한 모형 기반 다변량 관리도
(범주형 변수 또는 교호작용 효과를 포함하지 않는 모형에만 사용 가능) 각 X 스코어에 대한 계산식을 저장하고 MDMCC(모형 기반 다변량 관리도) 시작 창을 실행합니다. MDMCC 시작 창에서 스코어 계산식이 공정 열로 할당됩니다. 공정을 추가 또는 제거하고, 시간 ID를 추가하거나, 과거 데이터 끝 위치를 설정한 후 "확인"을 클릭할 수 있습니다. 자세한 내용은 품질 및 공정 방법의 모형 기반 다변량 관리도에서 확인하십시오.
예측값 프로파일러
"프로파일러" 시작 창을 실행합니다. "프로파일러" 시작 창에서 예측 계산식은 지정된 모형 적합의 각 변수에 대한 예측 계산식입니다. "확인"을 클릭하기 전에 잡음 요인 또는 다른 예측 계산식을 추가할 수 있습니다. 자세한 내용은 프로파일러의 프로파일러에서 확인하십시오.