優化決策我正在嘗試了解如何使用 JMP 來優化決策制定。 我取得了一些進展，但認為整個行業都圍繞這個主題 (!)，所以也許不需要在這裡發明輪子：
我想在給定一組輸入的情況下決定哪種是最好的保護策略：設施的資源、環境問題的性質，以及類似的事情（所有這些都在 1 = 壞和 5 = 好的共同範圍內）。 根據這些因素，該模型將預測最佳保護解決方案。 我已將其設置為可以運行簡單名義邏輯模型的地方，其中推薦的保護方法是 Y。 然後我可以使用分析器並輸入新數據來查看預計採用哪種保護方法。 例如，只有極其富裕的設施/場所通常才能大規模緩解海水；如果資源低於 5（最高），則不能選擇緩解措施。 再舉一個例子，如果海水質量是 1（最低），一些保護策略就毫無意義（例如，恢復，在這種情況下，你放在海洋中的一切都會死亡）。 看起來我的初步結果是有道理的，但我想知道是否有專門用於這種練習的整個平台，儘管是用於製造，例如優化和過程能力。
我想提出“我們人類通常不擅長決策的概念，有些我會讓計算機為我做！” 我是不是把它變成了比實際更難的東西？ 我可以看到製作一組非常複雜的條件參數作為另一種選擇。
高級統計建模實驗設計蘋果系統預測建模和機器學習回复：優化決策我沒有查看 JMP 數據表，所以我下面的想法與數據無關。 您是否嘗試過任何基於樹的建模方法？ 在我看來，“樹”可能是一種有用的方法，可以在您可以繪製的現實世界物理場景中預定的約束/條件下處理輸入。 另一個想到的方法不是基於數學建模，而是更多基於思維練習的……情景規劃。 我使用了這個過程，並在工業環境中教授它進行容量規劃、資源利用等方面的工作。 它有助於繪製不同現實的各種圖片，並允許諸如互斥性之類的事情。 你不會從這個方法中得到一個數學答案本身......但是場景可以輸入到樹模型中。 這是一篇關於情景規劃的維基百科文章。情景規劃
回复：優化決策彼得，謝謝你的想法。 我確實曾將其設想為“樹”或流程圖，並且這種情景規劃確實看起來有很多相似之處。 我只需要嘗試找到一種方法使其更量化而不是我的直覺，特別是通過利用概率：“如果我的水俱有特性 X，那麼有 80% 的人認為選項 A 是繼續進行的方式” 使用帶有名義邏輯模型的分析器，其中建議的解決方案是 Y 類作品，但我不禁覺得有更好的方法。 無論如何，我肯定會嘗試使用適合模型下的一些樹選項，並查看這篇場景規劃文章。 我相信兩者都會給我一些關於這個話題的新想法。 再次感謝。
