minitab学习系列(2)--DOE逐步方法选择

这篇具有很好参考价值的文章主要介绍了minitab学习系列(2)--DOE逐步方法选择。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

系列文章目录


前言

一、DOE>因子>分析因子设计>逐步

逐步删除和向模型中添加项以确定有用的项的子集。Minitab提供了三个常用过程:标准逐步回归(添加和删除项)、向前选择(添加项)和向后消元(删除项)。如果选择某个逐步回归过程,则在模型对话框中指定的项为最终模型的候选项。
使用自动变量选择过程:变量选择过程可以作为数据分析中一种很有价值的工具,特别是在构建模型的早期阶段,但同时,这些过程也有一定的风险,以下是一些注意事项:

  • 由于这些过程自动"监听"多种模型,因此所选的模型可能会与数据"过度"拟合。即过程可以查看许多变量,并完全处于偶然选择恰好拟合良好的变量。
  • 三个自动过程都是启发式算法,通常运行很好,但可能所选模型的R平方值(对于给定的预测变量数)并非最高。
  • 自动过程无法考虑到分析人员对数据可能具有的特殊知识。因此,从实际观点来看,所选模型可能不是最佳模型。

方法:指定Minitab用来拟合模型的方法

  1. 无:选择此选项使模型与我们在模型对话框中指定的所有项拟合。
  2. 逐步:默认情况下,此过程从一个空模型开始,然后每一步添加或删除项。我们可以指定要包括在初始模型或强制包括在每一个模型中的项。
  3. 向前选择法:默认情况下,此过程从一个空模型开始,然后每一步添加最显著的项。我们可以指定强制包括在每一个模型中的项。
  4. 向后消元法:此过程从模型中的所有可能项开始,然后在每个步骤中删除最不显著的项,我们可以指定强制包括在每个模型中的项。

可能项: 显示过程要评估的项的集合。列表中的指示符指示过程对项的处理方式。我们选择的方法可确定此列表中的初始设置。使用以下两个按钮可以修改过程对项的处理方式。指示符为:

  • E:无论项的P值如何,每一模型中都将包括该项。
  • I:项将包括在初始模型中,但如果它的P值过高会被过程从模型中删除。
  • 空:过程可能根据项的P值在模型中添加或删除项。

minitab学习系列(2)--DOE逐步方法选择,学习,DOE,学习
E=在每一个模型中包括项:选择一个项并单击此按钮可强制在每个模型中包括该项(无论P值如何),再次单击可取消。
I=在初始模型中包括项:选择一个项并单击此按钮可以在初始模型中包括该项,再次点击可取消。此按钮仅当方法为逐步时可用;

入选用Alpha: 输入在模型中输入一个新项的条件。当选择逐步或向前选择法时可设置;
删除用Alpha: 输入用于从模型中删除项的条件。当选择逐步或向后消元法时使用;
层次结构: 使用此框可控制Minitab如何使用逐步过程强制执行模型层次结构,

二、DOE>因子>分析因子设计>逐步>层次结构

用于开工至Minitab在逐步过程中如何强制执行模型层次结构。在分层模型中,构成高次项的所有低次项也会出现在模型中。
如果要以未编码(或自然)单位生成方程,则因子设计模型必须是分层的,但是,在考虑该问题时应该考虑以下事实:包含过多项的模型的精确度相对较差,并且会降低预测新观测值的能力。
提示:

  • 首先拟合层次结构模型,然后删除没有显著统计意义的项。
  • 如果我们的模型包含类别变量。则在类别项至少具有层次结构时更容易解释结果。

层次结构模型:选择逐步过程是否必须生成层次结构模型。

每个步骤中都需要一个层次结构模型: Minitab只能在维护层次结构的每一步添加或删除项。
在结束时添加项以将此模型设置为层次结构模型: 最初,Minitab遵循逐步过程的标准规则,在最后一步,Minitab会添加可生成层次结构模型的项,即使P值大于入选用alpha也是如此。
不需要层次结构模型: 最终模型可以是非层次结构模型。Minitab将只根据逐步过程的规则添加和删除项。

对于以下项,需要层次结构:如果我们需要层次结构模型,请选择必须为层次结构的项类型,此下拉列表对一般全因子设计不可用。

所有项: 包含连续和/或类别变量的项必须具有层次结构。
具有类别预测变量的项:只有包含类别变量的项才必须具有层次结构。

具有类别预测变量的项: 只有包含类别变量的项才必须具有层次结构。

每个步骤入选用多少项: 如果您在每个步骤上都需要层次结构,请选择 Minitab 为了保持层次结构在每个步骤可添加的项数。

每个步骤最多可以入选用一项: 只有在添加单个项就可保持层次结构时,才可以向模型中输入一个高次项。构成交互作用项或功效项的所有低次项必须出现在模型中。

可以入选用额外项以保持层次结构: 即使输入可以生成非层次结构模型,也可以向模型中输入高次项。但是,也必须添加生成层次结构模型所必需的项,即使其 p 值大于入选用 alpha 也是如此。


总结

分享:
我们生于草莽,死于草莽,遥遥在野外养原,为真理喝彩,祝真理万岁,于愿足矣。文章来源地址https://www.toymoban.com/news/detail-607176.html

到了这里,关于minitab学习系列(2)--DOE逐步方法选择的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【微信小程序】项目上线所需AppID、AppSecret和原始ID获取的逐步方法

    本文内容面向业务老师,通过详细的逐步方法,帮助对流程不熟悉的有微信小程序管理员权限的业务老师,通过微信公众平台,获得项目上线所需的AppID、AppSecret、原始ID,不熟悉流程的开发人员也可以阅读。 https://mp.weixin.qq.com/ 扫码登陆(业务老师的管理员权限微信账号登陆

    2024年02月15日
    浏览(44)
  • 优思学院|DOE试验设计在六西格玛项目的哪个阶段进行?

    六西格玛DMAIC是一种用于现有流程改进的方法,其中包括五个阶段:定义阶段(D),测量阶段(M),分析阶段(A),改进阶段(I)和控制阶段(C)。在DMAIC方法中,MSA, SPC, 过程能力cpk评估和DOE等工具被广泛应用,但到底这些工具都会在什么阶段进行呢?在下面详细解释。

    2024年02月05日
    浏览(44)
  • 强化学习系列--时序差分学习方法(SARSA算法)

    SARSA(State-Action-Reward-State-Action)是一种强化学习算法,用于解决马尔可夫决策过程(MDP)中的问题。 SARSA算法属于基于值的强化学习算法 ,用于学习最优策略。 在SARSA算法中,智能体通过与环境进行交互来学习。它基于 当前状态、选择的动作、获得的奖励、下一个状态和下

    2024年02月11日
    浏览(36)
  • Minitab Express for Mac(数据分析软件)附破解补丁 v1.5.0 支持M1

    Minitab Express是一款专为Mac用户设计的数据分析和统计软件。它提供了一套全面的工具和功能,用于分析数据、执行统计计算和生成可视化。 下载:Minitab Express for Mac(数据分析软件)附破解补丁 以下是 Minitab Express for Mac 的一些主要功能: 1. 数据导入和操作:Minitab Express 允许您

    2024年02月07日
    浏览(40)
  • C#学习系列之虚方法和多态

    基础学习。 **依赖倒置原则:**依赖抽象类,不依赖具体类。(减少耦合) 抽象类形容为父类,而子类是父类的具体类。 派生类包含基类和派生类,用基类引用指向派生类。通过指向派生类的基类引用访问派生类中的基类部分。 将Child child改成Parent child也是可以的,如果出现

    2024年02月06日
    浏览(30)
  • C#学习系列之抽象类和抽象方法

    学习基础 abstract public void Func(); 在基类中如果使用abstract,不能有函数体,那么必须在派生类要用override进行重写。用虚方法可不用重写。因为没有函数体,必须重写。 抽象成员:方法、属性、事件、索引。 必须用abstract修饰符标记 不能有实现代码块 抽象类的存在只有一

    2024年02月06日
    浏览(38)
  • 【Python+Selenium学习系列4】Selenium常用的方法

    目录 一、前言 二、基本方法 1、send_keys方法---模拟键盘输入 1.1 源代码 1.2 运行结果 2、text方法---用于获取文本值 2.1 源代码 2.2 运行结果 3、get_attribute()方法---用于获取属性值 ​3.1 源代码 3.2 运行结果 ​4、maximize_window()方法---实现浏览器窗口最大化 4.1源代码 4.2运行结果 5、

    2024年03月18日
    浏览(40)
  • C#学习相关系列之匿名方法和Lambda表达式

            匿名方法 顾名思义就是这类方法的特点是不需要特别去定义函数的名字的。一般我们需要一个函数,但又不想花时间去命名它的时候,就可以使用匿名方法。在 C# 中, 匿名方法通常表现为使用 delegate 运算符和 Lambda 表达式。( Lambda 表达式 的本质也是 匿名方法

    2024年02月07日
    浏览(54)
  • 深度学习系列之Anchor based 和 Anchor free 目标检测方法

      ——致敬各路网络无名大神   (持续更新中…)   目标检测算法通常会在输入图像中采样大量的区域,然后判断这些区域中是否包含我们感兴趣的目标,并调整区域边界从而更准确地预测目标的真实边界框(ground-truth bounding box)。目标检测算法会判断这些区域是否有

    2024年02月03日
    浏览(43)
  • 【git】idea使用update提示Can‘t Update No tracked branch configured for branch master or the branch doe...

    当使用idea拉取最新代码进行更新时,提示信息如下 查看提示信息 提示中已经给出了例子: 我的分支是在origin/master。于是如下:打开git命令窗口 输入:git branch --set-upstream-to=origin/master/分支名 然后push下就行了

    2024年02月11日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包