JMP Pro ByTorch 中的 AI 最佳化大家好，
是否可以使用 JMP Pro Torch 深度學習模型對製程參數進行 AI 最佳化。
如果是這樣，JMP Pro Torch 深度學習中提供哪些 AI 技術？
請提出建議。
預測模型和機器學習回覆：JMP Pro ByTorch 中的 AI 優化你好@Sankaramuthu ，
抱歉，但我不明白你到底想做什麼：
如果您可以更具體地說明您的專案、資料類型、目標、背景等，這可以大大提高您收到的回覆的品質和相關性。如果可能的話，您還可以將一些數據與解釋結合起來，以便人們可以嘗試並推薦不同的方法。
希望這個第一個討論能對你有幫助，
回覆：JMP Pro ByTorch 中的 AI 優化感謝@Victor_G的立即回覆。
我必須對積層製造的製程參數進行最佳化，以減少尺寸誤差。
因此在 JMP Pro Torch 深度學習中尋找 AI 最佳化選項。
我有連續數據作為因素和回應。
回覆：JMP Pro ByTorch 中的 AI 優化好的，這些資訊對您幫助很小。
以下是一些問題（不是詳盡的列表，請提供盡可能多的背景和資訊！請閱讀快速獲得正確問題的正確答案）：
- 您有多少個數據點、因素和回應？
- 您的數據對於要解決的問題有多大的代表性？範圍有多大？它只是觀察數據（生產數據）嗎？您是否可以將實驗數據添加到生產數據中（因為生產數據的範圍通常比實驗/ DOE 數據的範圍更窄，這會使得優化更難找到/實現）？
- 如何測量反應？測量設備的可靠性/噪音如何？您知道測量設備的變異性嗎？
- 預期的響應改善是多少？觀察到的反應範圍是多少？
- 你的目標是什麼？只是優化，還是也更理解系統並對因素進行比較影響評估？
- 您已經嘗試過什麼分析？為什麼JMP/JMP Pro中的分析不夠充分？機器學習建模中的大部分效能問題往往是由於資料品質問題造成的，很少是因為模型複雜度不夠。使用神經網路來處理表格數據實際上是「用大錘打死蒼蠅」：大多數時候，更簡單的模型就能做得很好。
- 你的模型評價標準是什麼？
- ETC...
希望您能提供更多信息，
回覆：JMP Pro ByTorch 中的 AI 優化你好@Sankaramuthu ，
除了@Victor_G的精彩回覆外，我還有幾點想法：
1. 如果您的所有資料都是表格形式的，XGBoost 是一個很好的潛在替代方案，它具有內建的超參數自動調整器。它與 Torch Deep Learning 一起可在 market.jmp.com 上取得。
2. Torch、XGBoost 和其他預測建模平台具有分析器，您可以在擬合模型後從紅色三角形運行這些分析器，然後對您的流程參數使用最大化可取性功能。
3. 請關注下週在柏林舉行的 JMP 發現高峰會上的一些相關演講。
