本地控制该插件执行本地控制分析以及几个交互式图形和统计选项。局部控制估计受试者集群内的治疗效果，如 Lopiano、Obenchain 和 Young (2014) 中所述。 您可以交互地选择簇的数量并累积比较结果。这种分析对于处理观察或实验数据中的子组很有用。
该加载项的 JSL 代码最初由 Bob Obenchain 和 Stan Young 编写。
要安装该插件，请下载下面的 .jmpaddin 文件，然后将其拖到 JMP 窗口中。要运行它，首先打开要执行本地控制分析的 JMP 表，然后单击插件 > 本地控制 > 对话框。
下面是一个屏幕截图示例。
数据可视化探索性数据分析生命科学统计数据回复：本地控制您好，Wolfinger 先生，非常感谢您提供这个有价值的插件。 顺便说一句，我已经使用了你们的 XGBoost 实现，并且通过外部优化工作得很好。 我有一个问题：“CatBoost 和 LightGBM 实现何时可用？” 还有... 如果您可以添加专用的优化菜单来进行通用优化（如 Python 中的 Optuna），那就太好了。 谢谢
回复：本地控制你好@Biominer_17非常感谢您的反馈。我们已将 LightGBM 和 CatBoost 纳入 XGBoost 的“待办事项”列表中，我们还在继续研究超参数调整的改进方法。同时，还有一个调整设计表，您可以在其中指定您自己的预先生成的设计表，例如来自 DOE 快速灵活填充设计的设计表。还有一个贝叶斯优化插件。
回复：本地控制@russ_wolfinger非常感谢。 事实上，我已经尝试过贝叶斯优化插件并且工作得很好，它的缺点可能是计算方面的昂贵（由于是高斯过程）。 我还没有尝试过 DOE 选项，你能告诉我如何执行它吗？ 再次感谢
回复：本地控制@Biominer_17很高兴你在这方面取得了进展。您可以使用 DOE > 特殊用途 > 空间填充设计创建参数表。因子名称必须与您要调整的 XGBoost 参数名称完全匹配。表的每一行都包含您在搜索超参数空间时想要拟合的参数值。 您可以在 XGBoost 中的“高级选项”>“调整设计表”下指定该表的名称以适合所有点。
回复：本地控制谢谢！
