為什麼JMP在OSX（El Capitan）上對於高斯模型（kriging）來說非常慢<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />嗨，
我已經在配備Intel Corei7處理器和8Gb RAM的Macbook air上購買並安裝了JMP 12。
JMP很不錯，但我買它主要是為了使用克里金方法估算元模型（模型，高斯）。
不幸的是，估算過程非常緩慢。我正在使用具有2400個觀察點的數據子集，具有8個獨立變量，並且它需要永遠（直到現在超過12小時），並且進度條幾乎不移動。
這是正常的嗎？我已經讀過這個平台無法利用多核（我有兩個核，我可以運行4個線程）。我怎麼能加快這個過程呢？
我還有一個有4核的MacBook Pro。我還可以在其上安裝JMP許可證嗎？好吧，如果它不使用多核，那就不能解決我的問題，我想......
我將對我的研究做很多克里金估計，所以任何想法都會非常受歡迎。
非常親切，
教授 Murat Yildizoglu
Re：為什麼JMP在OSX（El Capitan）上對於高斯模型（kriging）來說非常慢親愛的瑞恩，
我目前正在測試JMP 12演示，我們的一個主要問題也是高斯過程相對非常慢的速度。10個變量和1000行的數據集。Python 4s，JMP> 5小時。
我想你不能說關於JMP 13的可能發布期限？高斯過程的這種更快的引擎是否只適用於Pro版本？
親切的問候
安德烈亞斯
Re：為什麼JMP在OSX（El Capitan）上對於高斯模型（kriging）來說非常慢Yildzoglu教授，
我同意，神經網絡確實提供了他們自己的一系列挑戰，其中簡約模型就是其中之一。 你在使用JMP Pro嗎？JMP Pro中有幾個選項可以讓您使用NN平台構建更強大的預測模型。 這些模型很可能不像您為相同數據構建的任何高斯模型那樣簡約，但它們的預測能力可能同樣好或更好。
我喜歡NN（在大多數情況下）比高斯更好的原因是儘管高斯精確地擬合每個點，但是兩個連續數據點之間的擬合很難確定並且最好是外推。 檢查這個的一種方法是看你的實際由Jackknife預測適合你高斯適合。從右上角到左下角畫一條45度線。 如果你的數據在這條線上很緊，那麼數據就沒有什麼偏差了，你可以更加相信，即使在各點之間你也很合適。 這裡有一個優點，你有很多數據，你可能不必擔心這些點之間發生了什麼。
您還可以在Prediction Profiler中查看高斯擬合在連續點之間的波動情況。 在附加的數據表中，存在高斯擬合，普通最小二乘（OLS）擬合和相同數據集的NN擬合的分析器比較。 NN擬合在Tan H激活函數中具有3個隱藏節點，並且具有5層K折疊交叉驗證。 OLS擬合是使用RSM構建的，具有或多或少的逐步變量減少。 我想指出的一件事是“如何” 蠕動 “將高斯分析儀與其他兩種分析儀進行比較。 當您在任何一個自變量中移動值時，您將看到預測值偏移，但對於高斯分析器，您還將看到自變量的各個預測線與其他兩個擬合模型相比可以相當顯著地移動。
我還使用Fit Y by X對這三個模型進行了比較。高斯擬合顯示了模型的完美擬合，但這與您在剖析器中看到的不一致。 如果沒有偏差，當你從一個點移動到另一個點時，高斯配合的探測器將與其他兩個一樣平坦。
我在這裡使用的數據本質上是隨機的，但是在計算機模擬等確定性系統中看到相同類型的結果並不罕見。
最好，
法案
Re：為什麼JMP在OSX（El Capitan）上對於高斯模型（kriging）來說非常慢非常感謝Bill和Ryan！
我已經按照你的建議比爾了。實際上ANN更快。不幸的是，當我改變隱藏節點的數量時，估計似乎相當不穩定：當我更改此參數時，因變量和獨立變量之間的關係可能會反轉。哪個不太確定......
為了讓您了解我想要做的事情：我試圖了解參數與經濟模擬模型輸出之間的關係。正如我們在計算經濟學論文中所展示的那樣，使用DoE和克里金估計在我們的背景下給出了良好和簡約的結果。
I. Salle，M。Yildizoglu，計算經濟模型的有效抽樣和元模型 ，即將到來計算經濟學 ，於2013年11月在線發布。
Re：為什麼JMP在OSX（El Capitan）上對於高斯模型（kriging）來說非常慢比爾關於嘗試NN平台的建議是一個很好的建議。我想指出，我們正在更新JMP Pro 13的高斯處理平台。這些更新採用了新技術，可以提供更快的整體估算，並且在可用時可以利用多個核心。
Re：為什麼JMP在OSX（El Capitan）上對於高斯模型（kriging）來說非常慢教授你好 Yildzoglu，
根據過去的經驗，一旦你超過100次觀察，無論你的計算機有多強大，高斯平台都會顯著減慢。 您是否為元模型嘗試過神經網絡平台？在之前的生活中，我們發現NN平台通常為相同數據提供比高斯平台更好的近似模型，並且對於更大的數據集更快。
最好，
法案
