自己検証型アンサンブルモデルJMPチーフデータサイエンティスト@ chris_gotwalt1ニューハンプシャー大学の主任講師と@philramsey DoEを分析するための自己検証アンサンブルモデル（SVEM）手法を導入しました。クリスは「SVEMを使用すると、より少ない観測でより正確なモデルを取得できる」と言っていると思います。これは、機械学習とDoEの間の架け橋です。あなたが楽しんでくれることを望みます。
Re：自己検証型アンサンブルモデル非常に興味深い-共有してくれてありがとう！ 実際、私はその種の分析のためにDoEを設計する方法について多くの質問をしようとしていましたが、Chrisは最終的な議論でそれらすべてを自分で提起しました。 SVEMが進化するのを本当に楽しみにしており、SVEMの最適な設計について聞いて興奮しています。 可能であれば、私は間違いなくそれらを試してみるつもりです！
この例を理解するための質問が1つあります。 説明の中で、クリスは「統計モデルを重み付けされたデータに適合させます」と述べました。 具体的な例では、SVEM RSMについて話すとき、RSMをフィッティングするときに、各反復で計算されたトレーニングウェイトを「フィットモデル」プラットフォームの「ウェイト」として使用することを意味しますか？
Re：自己検証型アンサンブルモデル@Kira_Alhorn 、 はい。彼が言っているのは、SVEMの各モデルで、ペアの部分的に重み付けされたブートストラップの重み列を再評価しているため、トレーニングセットの各メンバーに新しい重みを持つモデルが作成されるということです。Fit Modelプラットフォームを使用している場合、この列は重み変数として使用されます。一般化回帰プラットフォームの場合、これはfreq変数として使用されます。
お役に立てれば。さらに明確にする必要がある場合はお知らせください。
