JMP 的配置文件功能可让您可视化预测模型，并以交互方式检查更改因素（解释变量）时预测响应（目标变量）的变化。此外，它还配备了“优化”功能，可以找到最大化或最小化响应的因子值。
然而，如果我们无限制地检查因素的值，我们可能会处理与实际数据显着偏差且在现实中不可能存在的设定值，这会带来称为“外推法”的预测风险。因此，在进行优化时，有可能根据因子设置获得实际不可能的预测值，所以要小心。
因此，在JMP的Profile功能中，可以开启“抑制外推法”以避免不切实际的因子设置。以下示例显示了使用和不使用此“抑制外推”功能之间的比较。
使用外推抑制的示例
这次，我们将以预测药品制造过程中的溶出度（Y）为例。使用过程变量（X1、X2、X3）创建响应面模型并执行优化。
数据来源：使用 JMP® 设计药品质量：解决产品开发和制造问题
使用 JMP 的“模型拟合”拟合响应面模型并使用“预测配置文件”中的“最大化满意度”进行优化时，何时不抑制外推法（关闭）和何时抑制外推法（让我们比较一下（开启）。
如果禁用外推法已关闭
默认设置允许推断。通过此设置，可以确定使响应最大化的因子设置（Y：洗脱率），但因子设置可能与原始数据相差甚远。
如果打开“抑制外推”
从“预测配置文件”报告左侧的红色三角形按钮中选择[抑制外推] > [打开]后，将执行优化。可以看到此时获得的因子设置与上面关闭外推时不同。
我们来说明并比较外推抑制关闭和打开时的最佳值。
对于三个因素（X1、X2、X3），使用三维散点图和散点图矩阵来比较关闭和打开外推抑制时的最佳值。红点是外推抑制关闭时的最优值，蓝点是外推抑制开启时的最优值。
当外推抑制关闭时，最优值位于远离数据的位置，但当外推抑制打开时，最优值位于原始数据集合内。这证实了外推被抑制。
你能看到抑制外推法的结果吗？
“外推抑制”有什么作用？
那么，这种外推抑制有什么作用呢？
简而言之：
“使用数据中杠杆的最大值作为阈值，考虑低于该值的杠杆区域的因素。”
数据杠杆是一个点对创建的模型有多大影响的数字表示。在这个例子中，高杠杆对响应面模型有很大的影响，也是发现异常值和异常值的一种手段。
在 JMP 中，您可以通过从“拟合模型”报告左上角的红色小三角中选择“保存列”>“帽子”，将杠杆值保存到数据表中。
查看存储的杠杆率分布，最大值为0.587，这是抑制外推的阈值。
抑制外推时，可以使用【外推详细信息】选项显示下图中的红框。在下图中，我们将在配置文件中显示“数据点”以供参考。
“阈值”（=0.587）是之前找到的杠杆率的最大值。 “指标”是当前因子设置下的杠杆值（X1=16.51，X2=253.3，X3=386.67）。此时的值为0.478，因此没有超过阈值。
让我们更改因子设置并指定采用最大杠杆 (=0.587) 时的数据点 (X1=40、X2=239、X3=370)。在这种情况下，指标值和阈值匹配。这是阈值边缘的值。
由于配置文件中显示的曲线被中断，因此无法设置杠杆超过阈值的因子。因此，我们在优化的时候，是在不超过阈值的范围内进行的。
当“拟合模型”中的方法设置为“标准最小二乘法”时（这适用于响应面模型），默认外推阈值为
K×最大杠杆（K=1）
计算公式为由于K=1，“最大杠杆”就成为上述的阈值。可以使用“设置阈值标准”选项更改此 K。
通过改变K的值，可以调整外推抑制的强度。例如，增加K，例如2，增加外推的范围；减小K，例如0.5，进一步限制外推。
注意：在 JMP Pro 中，除了最小二乘法之外，在神经、支持向量机和广义回归等配置文件中以及[图形]菜单中的[配置文件]中还有抑制外推的功能。在这些情况下，正则化的 T^2 用作阈值标准。
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 用户社区
