ガウス プロセス (特化モデリングから予測モデリングへの移行)ガウス過程は、予測分析における非常に強力なモデリング手法です。
https://scikit-learn.org/stable/modules/gaussian_process.html
JMP には GP がありますが、特殊なモデリングのみを目的としています (トレーニング/検証/テストを使用して適合させることはできません)。
高度な統計モデリングデータの探索と視覚化予測モデリングと機械学習Re: Gaussian Processes (特化モデリングから予測モデリングへの移行)- カーネルたとえば、選択可能：周期的、線形トレンド、ノイズ、滑らかさパラメータ、およびフリーカーネルなどです。
- さらに、入力データ点の不確実性.
- 指定された入力範囲で最大分散の (次の n) ポイントを見つける簡単な関数は、最適な次の実験ポイントを見つけるのに役立ちます。 もちろん、これはスクリプトで実行できますが、このためのメニュー エントリがあれば、スクリプトを使用しない人にとってははるかに簡単になります。
Re: Gaussian Processes (特化モデリングから予測モデリングへの移行)さまざまなカーネル (matern など) の追加は、一般的なモデル化にも非常に有益です。
Re: ガウス過程（専門モデルから予測モデルへの移行）FDEやフィット曲線のようなDOE変数（補足）を使って曲線を分析する機能が追加されると素晴らしいと思います。もしFDEに別のモデルオプションがあれば、これは問題なく対応できるでしょう。
