Statistische Modelle werden in vielen Bereichen angewendet. In den meisten Fällen basieren die Modelle auf Beobachtungsdaten und die Qualität dieser Daten ist normalerweise nicht so gut wie die von experimentellen Daten, die durch statistisches Versuchsdesign (DoE) gewonnen werden. Zu den typischen Designs gehören das vollfaktorielle Design, das Response-Surface-Design usw.
Dieses Projekt zeigt, wie man durch ein gutes experimentelles Design zuverlässige Ergebnisse zur Modellleistung erzielt und wie man ein komplexes lineares Vorhersagemodell in eine praktische Web-App umwandelt. Dieser Fall kann auch auf andere Studien zum Lernen von Maschinenparametern angewendet werden.
