를 사용하면 결과가 모델 다이어그램이 됩니다. 모델 다이어그램 결과를 활용해 최적화에 사용할 모델을 검증하세요. 결과가 기대에 부합하면 그 중에서 선택 반응 최적화 도구 해 최적화를 진행하세요.
모델 다이어그램: 충전 상태, 추가 중량, 힘
모델 성능
| 반응 변수 | 모형 | 검증 방법 | 성능 |
|---|---|---|---|
| 충전 상태 | Random Forests® 다항 분류 1 | OOB | 오분류 비율: 7.24% |
| 추가 중량 | MARS® 회귀 1 | 5 접기 교차 검증 | R-제곱: 87.97% |
| 힘 | TreeNet® 회귀 1 | 5 접기 교차 검증 | R-제곱: 89.92% |
변수 범위
| 변수 | 평균 중요도 | ID | 값 | 반응 |
|---|---|---|---|---|
| 금형 온도 | 66.6667 | 9 | [30.1, 1649.5] | 추가 중량, 힘 |
| 사출 압력 | 53.7347 | 1 | [75, 150] | 모두 |
| 냉각 온도 | 46.8183 | 2 | [25, 45] | 모두 |
| 플라스틱 온도 | 33.3333 | 5 | [200, 400] | 충전 상태 |
| 역압 | 28.5955 | 4 | [0.4, 0.7] | 충전 상태 |
| 압력 유지 | 25.1115 | 3 | [21, 48] | 충전 상태, 추가 중량 |
| 플라스틱 유량 | 23.3546 | 6 | [10, 50] | 충전 상태 |
| 기계 | 19.5256 | 7 | 1, 2, 3, 4 | 추가 중량, 힘 |
| 사출 온도 | 0.9739 | 8 | [85, 100] | 추가 중량 |
주요 결과: 모델 및 변수 정보
이 데이터의 분석에는 3개의 응답 변수, 충전 상태, 추가 중량 가 힘포함됩니다. 모델 성능 표는 R-제곱이나 오분류율과 같은 성능 통계를 표시합니다. 성능 통계를 활용해 모델 성능이 적절한지 평가하세요.
변수 범위 표는 예측 변수의 중요성과 범위를 보여줍니다. 기대 변수가 빠진 문제와 같은 문제가 있다면, 모델을 재조정합니다.
