機械パラメータ学習における線形予測モデルの応用統計モデルは多くの分野で応用されてきました。ほとんどの場合、モデルは観測データに基づいて構築されますが、そのデータの品質は統計的実験設計 (DoE) を通じて得られる実験データほど良くないのが普通です。一般的な設計には、完全実施要因設計、応答曲面設計などがあります。
このプロジェクトでは、適切な実験設計を通じて信頼性の高いモデルパフォーマンス結果を取得する方法と、複雑な線形予測モデルを実用的な Web アプリに変換する方法を説明します。この事例は、他の機械パラメータ学習の研究にも応用できます。
