自验证集成模型JMP首席数据科学家@ chris_gotwalt1新罕布什尔大学首席讲师@philramsey介绍了用于分析DoE的自验证集成模型（SVEM）技术。我认为Chris说的最好：“使用SVEM，您可以得到更少观察的更精确模型”。这是机器学习和DoE之间的桥梁。我希望你喜欢它。
回复：自我验证的集成模型非常有趣-感谢分享！ 实际上，我将要问很多有关如何为此类分析设计DoE的问题，但是Chris在最后的讨论中亲自提出了所有这些问题。 我真的很期待看到SVEM的发展，很高兴听到有关它们的最佳设计的消息。 如果可以的话，我绝对愿意尝试一下！
对于这个示例，我确实有一个问题。 克里斯在解释中说：“您使加权数据适合一些统计模型”。 在具体示例中，这是否意味着在谈论SVEM RSM时，在拟合RSM时，我们将每次迭代中计算出的训练权重用作“适合模型”平台中的“权重”？
回复：自我验证的集成模型@Kira_Alhorn ，是的。他的意思是，对于SVEM中的每个模型，您正在重新评估配对的“加权Bootstrap权重”列，因此您将拥有一个模型，其训练集的每个成员都具有新的权重。如果您使用Fit Model平台，则此列将用作权重变量。对于广义回归平台，它将用作freq变量。
希望这可以帮助。让我知道是否需要进一步说明。
