自驗證集成模型JMP首席數據科學家@ chris_gotwalt1新罕布什爾大學首席講師@philramsey介紹了用於分析DoE的自驗證集成模型（SVEM）技術。我認為Chris說的最好：“使用SVEM，您可以得到更少觀察的更精確模型”。這是機器學習和DoE之間的橋樑。我希望你喜歡它。
回复：自我驗證的集成模型非常有趣-感謝分享！ 實際上，我將要問很多有關如何為此類分析設計DoE的問題，但是Chris在最後的討論中親自提出了所有這些問題。 我真的很期待看到SVEM的發展，很高興聽到有關它們的最佳設計的消息。 如果可以的話，我絕對願意嘗試一下！
對於這個示例，我確實有一個問題。 克里斯在解釋中說：“您使加權數據適合一些統計模型”。 在具體示例中，這是否意味著在談論SVEM RSM時，在擬合RSM時，我們將每次迭代中計算出的訓練權重用作“適合模型”平台中的“權重”？
回复：自我驗證的集成模型@Kira_Alhorn ，是的。他的意思是，對於SVEM中的每個模型，您正在重新評估配對的“加權Bootstrap權重”列，因此您將擁有一個模型，其訓練集的每個成員都具有新的權重。如果您使用Fit Model平台，則此列將用作權重變量。對於廣義回歸平台，它將用作freq變量。
希望這可以幫助。讓我知道是否需要進一步說明。
