자체 검증 앙상블 모델JMP 수석 데이터 과학자 안녕하세요. 뉴햄프셔 대학의 수석 강사와 함께 뿡뿡 DoE 분석을위한 자체 검증 앙상블 모델 (SVEM) 기술을 도입했습니다.Chris는 "SVEM을 사용하여 더 적은 관찰로 더 정확한 모델을 얻을 수 있습니다"라고 가장 잘 말합니다.이것은 기계 학습과 DoE 사이의 다리입니다.즐기시기 바랍니다.
Re : 자체 검증 앙상블 모델매우 흥미 롭습니다. 공유해 주셔서 감사합니다! 사실 저는 그러한 종류의 분석을 위해 DoE를 설계하는 방법에 대해 많은 질문을하려고했지만 Chris는 최종 토론에서 모든 문제를 직접 제기했습니다. 저는 SVEM이 진화하는 것을 정말 기대하고 있으며, SVEM을위한 최적의 디자인에 대해 듣게되어 기쁩니다. 가능하다면 나는 그들을 시험해 볼 의향이 있습니다!
예제에 대한 이해를 위해 한 가지 질문이 있습니다. 설명에서 Chris는 "가중 데이터에 통계 모델을 적합합니다"라고 말했습니다. 구체적인 예에서 SVEM RSM에 대해 이야기 할 때 RSM을 피팅 할 때 "Fit Model"플랫폼에서 각 반복에서 계산 된 트레이닝 가중치를 "Weight"로 사용한다는 의미입니까?
Re : 자체 검증 앙상블 모델헉헉 , 예.그가 말하는 것은 SVEM의 각 모델을 사용하여 짝을 이루는 부분 가중치 부트 스트랩 가중치 열을 다시 평가하므로 훈련 세트의 각 구성원에 대한 새 가중치가있는 모델을 갖게된다는 것입니다.Fit Model 플랫폼을 사용하는 경우이 열이 가중치 변수로 사용됩니다.일반화 회귀 플랫폼의 경우 이것은 freq 변수로 사용됩니다.
도움이 되었기를 바랍니다.더 명확히해야한다면 알려주세요.
