JMP 的設定檔功能可讓您視覺化預測模型，並以互動方式檢查變更因素（解釋變數）時預測回應（目標變數）的變化。此外，它還配備了「最佳化」功能，可以找到最大化或最小化響應的因子值。
然而，如果我們無限制地檢查因素的值，我們可能會處理與實際數據顯著偏差且在現實中不可能存在的設定值，這會帶來稱為「外推法」的預測風險。因此，在進行最佳化時，有可能根據因子設定獲得實際不可能的預測值，所以要小心。
因此，在 JMP 的 Profile 功能中，您可以透過開啟 Suppress Extrapolation 來避免不切實際的因子設定。以下範例比較並解釋了具有和不具有此「抑制外推」功能的情況。
使用外推抑制的範例
這次，我們將以預測藥品製造過程中的溶離度（Y）為例。使用流程變數（X1、X2、X3）建立響應面模型並執行最佳化。
資料來源：使用 JMP® 設計藥品品質：解決產品開發和製造問題
使用 JMP 的「模型擬合」擬合響應曲面模型並使用「預測配置」中的「最大化滿意度」進行最佳化時，何時不抑制外推法（關閉）和何時抑制外推法（讓我們比較一下（開啟）。
如果禁用外推法已關閉
預設設定允許推斷。透過此設置，可以確定使反應最大化的因子設定（Y：洗脫率），但因子設定可能與原始資料相差甚遠。
如果打開“抑制外推”
從「預測設定檔」報告左側的紅色小三角按鈕中選擇[抑制外推] > [開啟]後，將執行最佳化。可以看到此時獲得的因子設定與上面關閉外推時不同。
我們來說明並比較外推抑制關閉和開啟時的最佳值。
對於三個因素（X1、X2、X3），使用三維散點圖和散佈圖矩陣來比較關閉和開啟外推抑制時的最佳值。紅點是外推抑制關閉時的最優值，藍點是外推抑制開啟時的最優值。
當外推抑制關閉時，最優值位於遠離資料的位置，但當外推抑制開啟時，最優值位於原始資料集合內。這證實了外推被抑制。
你能看到抑制外推法的結果嗎？
「外推抑制」有什麼作用？
那麼，這種外推抑制有什麼作用呢？
簡而言之：
“使用數據中槓桿的最大值作為閾值，考慮低於該值的槓桿區域的因素。”
資料槓桿是一個點對創建的模型有多大影響的數位表示。在這個例子中，高槓桿對響應面模型有很大的影響，也是發現異常值和異常值的手段。
在 JMP 中，您可以從“擬合模型”報告左上角的紅色小三角中選擇“儲存列”>“帽子”，將槓桿值儲存到資料表中。
查看儲存的槓桿率分佈，最大值為0.587，這是抑制外推的閾值。
抑制外推時，可以使用【外推詳細資料】選項顯示下圖中的紅色框。在下圖中，我們將在設定檔中顯示“數據點”以供參考。
「閾值」（=0.587）是先前找到的槓桿率的最大值。 「指標」是目前因子設定下的槓桿值（X1=16.51，X2=253.3，X3=386.67）。此時的值為0.478，因此沒有超過閾值。
讓我們更改因子設定並指定採用最大槓桿 (=0.587) 時的資料點 (X1=40、X2=239、X3=370)。在這種情況下，指標值和閾值匹配。這是閾值邊緣的值。
由於設定檔中顯示的曲線中斷，因此無法設定槓桿超過閾值的因子。因此，我們在最佳化的時候，是在不超過閾值的範圍內進行的。
當「擬合模型」中的方法設定為「標準最小平方法」時（這適用於響應曲面模型），預設外推閾值為
K×最大槓桿（K=1）
計算公式為由於K=1，「最大槓桿」就成為上述的閾值。可以使用“設定閾值標準”選項來變更此 K。
透過改變K的值，可以調整外推抑制的強度。例如，增加K，例如2，增加外推的範圍，而減少K，例如0.5，進一步限制外推。
注意：在 JMP Pro 中，除了最小平方法之外，在神經、支援向量機和廣義回歸等設定檔中以及[圖形]選單中的[設定檔]中還有抑制外推的功能。在這些情況下，正則化的 T^2 用作閾值標準。
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 使用者社區
