預測篩選問題只是一個一般性問題 - 對於預測篩選平台，如果您試圖查找與特定響應輸出（例如產品產量）相關的變數 - 您是否會引入另一個響應變數並將其添加到“X”框中 - 就像“雜質」或類似的東西？或者您應該只在“X”框中引入解釋變數？
數據探索和視覺化預測建模和機器學習回覆：預測篩選問題嗨@mjz5448 ，
我將為您提供兩個答案，一個是正式的答案，一個是「哲學/概念/方法論」的答案。
- 正式答案：如果您閱讀 JMP 幫助中有關預測因子篩選的部分，您可以讀到「預測因子篩選平台提供了一種篩選許多預測因子預測結果能力的方法」。因此，要直接回答您的問題，您的因素/解釋變數將進入 X 面板，您的回答將進入「Y，回應」面板。
- 概念/方法論答案：預測因子篩選是一種旨在幫助識別不同反應的重要預測因子的工具。它基於 Bootstrap Forest（您可以閱讀文件和網路上的許多資源，以便更好地了解隨機森林的工作原理）。
預測模型的目的是什麼？有很多可能的定義，但一般來說，它們往往與使用它們來預測未來事件或結果的事實一致。在實驗數據的背景下，預測模型用於根據模型預測想像的（=尚未實際實現的）實驗的最可能的結果。因此，如果您在 Predictor 篩選平台中使用任何變數作為“X”，則表示該資訊應該可用於在不進行實驗的情況下進行預測。您的回答並非如此，因為它是對實踐中進行的特定實驗的測量，因此在預測時無法獲得此資訊。
借助Graph Builder和Multivariate等其他平台，查看資料中的模式以及回應之間的相關性仍然很有趣。
希望這個回答對你有意義
