모형 적합 보고서 옵션
함수 데이터 탐색기 플랫폼에서 데이터에 모형을 적합시키면 모형 보고서가 나타납니다. 모형 보고서의 빨간색 삼각형 메뉴에는 다음 옵션이 포함되어 있습니다.
참고: 정상점 찾기 보고서에는 이러한 옵션을 사용할 수 없습니다.
모형 선택
(직접 모형에는 사용 불가능) 모형 선택 기준으로 사용할 옵션이 포함된 하위 메뉴를 표시합니다. AICc, BIC 및 GCV 중에서 선택할 수 있습니다. 자세한 내용은 가능도, AICc 및 BIC의 선형 모형 적합에서 확인하십시오.
기저 함수 그림
(소파동 또는 직접 모형에는 사용 불가능) 모든 기저 함수 그림을 하나의 그래프에 표시하거나 숨깁니다.
진단 그림
(소파동 또는 직접 모형에는 사용 불가능) "진단 그림" 보고서를 표시하거나 숨깁니다. 자세한 내용은 진단 그림에서 확인하십시오.
함수 요약
"함수 요약" 보고서를 표시하거나 숨깁니다. 자세한 내용은 함수 요약에서 확인하십시오.
기저 함수 계수
(직접 모형에는 사용 불가능) 해당 모형 적합에 대한 계수 보고서를 표시하거나 숨깁니다. 자세한 내용은 계수에서 확인하십시오.
함수별 랜덤 계수
(소파동 또는 직접 모형에는 사용 불가능) "함수별 랜덤 계수" 보고서를 표시하거나 숨깁니다. 자세한 내용은 함수별 랜덤 계수에서 확인하십시오.
함수 PCA
"함수 PCA" 보고서를 표시하거나 숨깁니다. 자세한 내용은 함수 PCA에서 확인하십시오.
소파동 DOE 분석
(시작 창에서 하나 이상의 보조 변수를 지정하고 소파동 모형이 데이터에 적합된 경우에만 사용 가능) FDE 플랫폼 내에서 "일반화 회귀" 보고서를 시작합니다. 보조 변수를 모형 효과로 사용하여 일반화 회귀 모형이 소파동 계수에 적합됩니다. 소파동 계수가 많을 수 있으므로 가장 큰 영향을 미치는 일부 계수만 적합됩니다. 이러한 계수 부분집합은 각 소파동 계수의 에너지에 의해 결정됩니다. 소파동 계수의 에너지는 다음과 같이 계산됩니다.
여기서 j = 해상도, k = 입력 도메인에서의 위치, i = 함수, d = (j,k,i)에 대한 소파동 계수입니다. 총 에너지는 계수에 대한 모든 에너지 값의 합입니다.
에너지 값은 "소파동 DOE 분석" 보고서에 표시되는 "에너지" 테이블에 사용됩니다. "에너지" 테이블에는 다음 열이 포함되어 있습니다.
계수
해상도와 입력 도메인 내 위치로 식별되는 소파동 계수입니다.
에너지
해당 소파동 계수에 대한 상대 에너지입니다. 상대 에너지는 모든 소파동 계수에 대해 최대 에너지로 표준화된 에너지 값입니다. 이 값은 Ej,k/maxj,k(Ej,k)로 계산됩니다.
백분율
총 에너지 대비 해당 소파동 계수의 에너지 백분율입니다. 이 값은 해당 계수가 모든 계수의 합에 비해 얼마나 큰지 설명합니다.
누적
총 에너지의 누적 백분율입니다.
총 에너지의 90% 이상을 누적하여 설명하는 계수가 "에너지" 테이블에 표시됩니다.
"에너지" 테이블의 부소파동 및 각 소파동 계수에 대해 일반화 회귀 모형이 적합됩니다. 기본적으로 2차 요인 모형이 적합되고 "추정 방법"은 "최량 부분집합"입니다. 범주형 2차 효과는 포함되지 않습니다. 모형의 항 수가 20개를 초과하거나 함수 수가 1000개를 초과하면 "추정 방법"이 자동으로 "가지 치기 전진 선택"으로 전환됩니다. 아니면 원래 데이터 테이블에서 원하는 모형 적합을 정의하는 모형 스크립트를 지정할 수도 있습니다.
보조 변수를 사용하여 개별 소파동 계수를 모델링하면 보조 변수 값이 특정 입력 값 주변의 정상점 위치에 어떤 영향을 주는지 확인할 수 있습니다. 이는 각 소파동 계수가 입력 도메인의 특정 위치와 직접적인 관련이 있기 때문입니다. 그런 다음 FDOE 프로파일러를 사용하여 보조 변수가 반응에 어떤 영향을 주는지 탐색할 수 있습니다.
팁: "소파동 DOE 분석" 옵션이 로드되지 않으면 데이터에 대해 표준화 전처리 단계를 사용하고, 중심화 및 척도화된 데이터에서 소파동 모형을 다시 적합시킨 다음, 소파동 DOE 분석을 시작해 보십시오.
"소파동 DOE 분석" 보고서에는 다음과 같은 빨간색 삼각형 메뉴 옵션이 있습니다.
소파동 계수에 대한 일반화 회귀
각 소파동 계수에 대한 "일반화 회귀" 보고서를 표시하거나 숨깁니다. "일반화 회귀" 모형 보고서에 대한 자세한 내용은 모형 적합 보고서의 선형 모형 적합에서 확인하십시오.
진단 그림
반응 변수에 대한 실제값 대 예측값 그림과 잔차 그림을 표시하거나 숨깁니다.
FDOE 프로파일러
보조 변수에 따라 반응이 어떻게 변하는지 탐색할 수 있는 FDOE 프로파일러를 표시하거나 숨깁니다. "FDOE 프로파일러"의 빨간색 삼각형 메뉴 옵션에 대한 자세한 내용은 프로파일러의 프로파일러에서 확인하십시오.
열 저장
"예측 계산식 저장" 및 "잔차 계산식 저장" 옵션이 있는 목록을 표시합니다. 이러한 옵션은 해당 계산식을 데이터 테이블의 새 열에 저장합니다. 원래 데이터 형식이 "함수 행" 또는 "함수 열"인 경우 이러한 옵션은 쌓인 형식의 원래 데이터와 해당 계산식 열을 포함하는 새 데이터 테이블을 생성합니다.
함수 DOE 분석
(시작 창에서 하나 이상의 보조 변수를 지정한 경우에만 사용 가능) FDE 플랫폼 내에서 "일반화 회귀" 보고서를 시작합니다. 일반화 회귀 모형은 보조 변수를 모형 효과로 사용하여 각 FPC 스코어 함수에 적합됩니다. 기본적으로 2차 요인 모형이 적합되고 "추정 방법"은 "최량 부분집합"입니다. 범주형 2차 효과는 포함되지 않습니다. 모형의 항 수가 20개를 초과하거나 함수 수가 1000개를 초과하면 "추정 방법"이 자동으로 "가지 치기 전진 선택"으로 전환됩니다. 아니면 원래 데이터 테이블에서 원하는 모형 적합을 정의하는 모형 스크립트를 지정할 수도 있습니다. 보조 변수를 사용하여 FPC 스코어를 모델링하면 모형 적합을 사용하여 보조 변수에 따라 반응이 어떻게 변하는지 확인할 수 있습니다. 보조 변수가 반응에 어떤 영향을 주는지 탐색하려면 FDOE 프로파일러를 사용합니다.
참고:
– 비음 직접 모형을 선택하면 함수 DOE 분석의 예측도 음수가 아닙니다. 이는 일반화 회귀 시작에서 반응 분포를 ZI 감마 분포로 자동 전환하여 수행됩니다.
– 다변량 곡선 해상도 모형 중 하나를 선택하면 예측 스코어의 합이 1이 되도록 척도가 조정됩니다. 그러면 예측 반응의 성분 혼합 비율이 정확하게 유지됩니다.
"함수 DOE 분석" 보고서에는 다음과 같은 빨간색 삼각형 메뉴 옵션이 있습니다.
FPC 스코어에 대한 일반화 회귀
각 FPC 스코어에 대한 "일반화 회귀" 보고서를 표시하거나 숨깁니다. "일반화 회귀" 모형 보고서에 대한 자세한 내용은 모형 적합 보고서의 선형 모형 적합에서 확인하십시오.
진단 그림
반응 변수에 대한 실제값 대 예측값 그림과 잔차 그림을 표시하거나 숨깁니다.
FDOE 프로파일러
보조 변수에 따라 반응이 어떻게 변하는지 탐색할 수 있는 FDOE 프로파일러를 표시하거나 숨깁니다. 대상 함수를 지정하면 프로파일러 그래프 위에 추가 버튼 옵션이 있습니다. 대상 함수를 최적화하고 대상 프로파일러를 표시하거나 숨길 수 있습니다. "대상 프로파일러 표시"를 선택하면 두 개의 프로파일러가 보고서에 추가됩니다. 하나는 대상 함수와의 차이를 측정하고 다른 하나는 대상 함수와의 적분 오차를 측정합니다. "FDOE 프로파일러"의 빨간색 삼각형 메뉴 옵션에 대한 자세한 내용은 프로파일러의 프로파일러에서 확인하십시오.
열 저장
"예측 계산식 저장" 및 "잔차 계산식 저장" 옵션이 있는 목록을 표시합니다. 이러한 옵션은 해당 계산식을 데이터 테이블의 새 열에 저장합니다. 원래 데이터 형식이 "함수 행" 또는 "함수 열"인 경우 이러한 옵션은 쌓인 형식의 원래 데이터와 해당 계산식 열을 포함하는 새 데이터 테이블을 생성합니다.
데이터 저장
모델링된 데이터를 새 데이터 테이블에 저장합니다. 모델링된 데이터는 쌓인 데이터 형식으로 저장됩니다.
적합 제거
지정된 적합에 대한 모형 보고서를 제거합니다.