Gaußsche Prozesse (Umstellung von spezialisierter auf prädiktive Modellierung)Gaußsche Prozesse sind eine sehr leistungsfähige Modellierungstechnik in der prädiktiven Analytik.
https://scikit-learn.org/stable/modules/gaussian_process.html
JMP verfügt zwar über GP, dies ist jedoch nur für spezialisierte Modellierung gedacht (keine Anpassung durch Training/Validierung/Test möglich).
Erweiterte statistische ModellierungDatenexploration und -visualisierungPrädiktive Modellierung und maschinelles LernenBetreff: Gaußsche Prozesse (Verschiebung von spezialisierter zu prädiktiver Modellierung)- Kerne wäre toll, zB wählbar: periodisch, linearer Trend, verrauscht, Smoothness-Parameter und freie Kernel.
- Außerdem wäre es toll, wenn Sie die hinzufügen könnten Unsicherheit der Eingangsdatenpunkte .
- Eine einfache Funktion zum Finden der (nächsten n) Punkte mit der höchsten Varianz in einem bestimmten Eingabebereich würde helfen, die besten nächsten experimentellen Punkte zu finden. Natürlich geht das per Skript, aber ein Menüeintrag dafür würde es für Nicht-Skripter viel einfacher machen.
Betreff: Gaußsche Prozesse (Verschiebung von spezialisierter zu prädiktiver Modellierung)Das Hinzufügen verschiedener Kernel (Matern usw.) wäre auch für die allgemeine Modellierung von großem Nutzen.
Betreff: Gaußprozesse (Überführung von Spezialisierter zu Prädiktiver Modellierung)Die Möglichkeit, Kurven mithilfe von DOE-Variablen (ergänzend) wie FDE und Fit-Kurven zu analysieren, wäre wünschenswert. Wäre dies eine weitere Modelloption in FDE, wäre das Problem gelöst.
