高斯過程的附加功能是什麼激發了這個願望清單請求？
我最近與日本觸媒株式會社進行了一次會議。 客戶要求高斯過程的兩個特徵（相關結構=高斯）。
第一個請求是設置通用 theta 參數的功能。 當前的 JMP 僅允許每個預測變量使用不同的 theta 參數。 客戶表示不同的theta模型容易過擬合。
第二個請求是使用用戶指定的參數值創建模型的功能。他們表示，他們很樂意指定自己的參數並比較模型。
請描述您希望看到的新的或改進的功能或解決方案。
高斯過程的附加功能（相關結構=高斯）。
- 設置通用 theta 參數的功能。
- 使用用戶指定的參數值創建模型的功能。
如果提供此新功能，對您和/或其他用戶有何價值？
用戶可以考慮各種高斯過程模型。
這是外部客戶的請求嗎？
是的。NIPPON SHOKUBAI CO LTD 要求提供此功能。
是否有具有我們應該注意的此功能或解決方案的競爭軟件包？
Python。
https://scikit-learn.org/stable/modules/ generated/sklearn.gaussian_process.GaussianProcessRegressor.html#sklearn.gaussian_process.GaussianProcessRegressor
這是否會影響客戶的續訂、擴展或採用？如果我們不解決這個問題，是否會導致帳戶面臨風險？
有擴展的潛力。
高級統計建模回复：高斯過程的附加功能 - 狀態更改為：已確認回复：高斯過程的附加功能 - 狀態更改為：正在調查你好@Takumi_Saru ，感謝您提出這些建議，並提供請求背後的詳細信息。 我們正在研究是否可能包含在未來版本中。
回复：高斯過程的附加功能你好@Takumi_Saru ，客戶是否有任何數據可以幫助我們測試並展示強制相同參數值的有用性？
固定探索的參數值也是一個好主意。 與此同時，他們可以編輯公式並自行更改值以進行比較。 雖然這樣做有點乏味，所以嘗試讓這變得更容易是有意義的。
回覆：高斯過程的附加功能@米亞史蒂芬斯-桑， @瑞安帕克-桑，謝謝你的回覆。
我與客戶核實並收到以下回覆。
--
我們無法提供具體的樣本數據。
由於很難想像每個解釋變數的非線性程度差異很大的情況，因此在處理實驗處方時通常會使用共同的θ。
如果我們在公共θ合適的情況下對每個解釋變數優化θ，那麼它符合公共θ就沒有問題。
然而，根據我們的經驗，通常情況下，由於與數據的強烈擬合，每個 θ 都會變成非常小的值（太非線性）。
很抱歉，我們無法提供具體的樣本數據，但我們可以為您建立玩具數據。
如果您想要玩具數據，可以告訴我們截止日期嗎？
--
回覆：高斯過程的附加功能@Takumi_Saru玩具資料集會非常有幫助，而且沒有截止日期！
回覆：高斯過程的附加功能@瑞安帕克-san，我會請客戶創建玩具資料。
收到玩具資料後我會與您聯繫。
回覆：高斯過程的附加功能 - 狀態變更為：已確認
