透過 Formula Depot 向客戶展示模型部署的範例？大家好，
我有許多客戶對 JMP Pro 感興趣，用於開發部署到其製造環境中的模型 - 我有一些客戶要求提供有關如何在外部應用 Formula Depot 中的模型的範例。我們是否有任何「簡單」的演示可以展示在不同環境（如 Python？）中使用的模型。
乾杯，
本
回覆：透過 Formula Depot 向客戶展示模型部署的範例？@Ben_Ingham您好，產品管理部門正在積極討論這個主題以及改進和超越 Formula Depot 的方法。
希望提供一個我們一直在使用 XGBoost 和 Torch 插件的積極方向，即在 JMP Pro 中無需編碼即可訓練模型，然後使用自訂包裝器 Python 類別將它們部署在 Python 中，以讀取 JMP Pro 保存的模型進入Python。
更一般地說，我相信 JMP 生成的幾乎每個模型都可以在 PyTorch 中輕鬆實現，基於 XGBoost 和 Torch 現有的 Python 程式碼建構。這將提供功能豐富的可部署 Python 模型對象，可在 GPU 上運行並可轉換為其他流行格式（如 ONNX）。
如果您心中有一個或多個具體示例，或者甚至是一位客戶願意推薦或提供製造環境中的一個示例，我很樂意與您合作，將 JMP 當前生成的公式轉換為成熟的 PyTorch模型對象。
簡單的迴歸模型（線性或邏輯）可能是最簡單的。一個關鍵部分是確保新的 X 變數以與 JMP 模型完全相同的方式進行轉換。
回覆：透過 Formula Depot 向客戶展示模型部署的範例？你好，Ben - 通常只向人們展示 JMP 從 Formula Depot 產生的程式碼就足夠了。特別是，展示 C 和 Python 程式碼通常可以幫助人們做到這一點。不要參與 JMP 以外的支援工作，例如將程式碼部署到其係統中。這是他們要弄清楚的。
Formula Depot 的一個很好的演示包括模型比較和刻畫器（儘管模型篩選現在也可以執行此操作，並且您可以將公式放入圖形選單下的獨立刻畫器中）。我喜歡製作 3 種不同類型的模型，例如響應曲面模型、分區模型以及 Bootstrap 或神經模型。當它們在Profiler中堆疊起來時，你可以向人們展示他們可以理解每一種模型是如何與數據相關的，並且每一種模型都是不同的（「看看這個是如何階梯式的，這個是一條曲線， ETC。也顯示實際值與預測值，以及資料的某些區域與不同模型中其他區域的擬合情況有何不同。白色聚合物的產量可以解決這個問題。
回覆：透過 Formula Depot 向客戶展示模型部署的範例？嗨@Laura_Higgins ，
感謝您提供有關如何演示 Formula Depot 的建議和指導 - 我們會嘗試一下！
謝謝，
本
回覆：透過 Formula Depot 向客戶展示模型部署的範例？嗨@russ_wolfinger ，
感謝您提供的資訊 - 我將查看一些可能合適的資料集 - 通常尋找更大的資料集，其製造角度可以滿足大多數客戶的要求並使用簡單的模型 - 會讓您知道！
謝謝，
本
