预测分析器问题@malcolm_moore1
我对“预测刻画器”的一个问题有疑问，希望您能帮助我理解。我使用“拟合模型”函数构建了一个模型，其中分别拟合了三个响应，每个响应在“效应筛选”模式下包含多个效应。构建模型后，我确定了最显著的效应，并检查了残差的正态性。模型诊断完成后，我使用“预测刻画器”探索哪些因子值会产生特定的目标响应。接下来，我应用了意愿函数，将响应设置为目标值。这得到了一条钟形意愿曲线。然后，我使用了“最大化意愿”功能，该功能调整了因子值，使响应与目标值匹配。然而，我注意到了一些意想不到的情况：当我在“预测刻画器”中手动调整因子线，然后再次点击“最大化意愿”时，得到的因子值有时与之前的因子值有显著差异，并且该因子下方的意愿函数形状也会发生变化。
为什么会发生这种情况？在尝试预测实现目标响应的最佳设置时，我应该信任哪组因子值？
基本数据分析与建模回复：预测分析器问题你好，Rokusan91，
对于连续因子，JMP 中的预测刻画器使用梯度下降算法，尝试找到输入因子的最佳设置，以满足为每个响应设定的期望标准。您可能会看到不同的预测值，因为您的系统存在多个可能的最优值，刻画器会显示其中一种可能性。当您调整输入时，刻画器会显示一个不同但同样理想的最优值。
您将需要研究最大化选项（优化和可取性>最大化选项）来改变它以提供更受约束的结果 - 我发现增加行程次数是一个很好的起点，可以反复进行改变。
我在这篇文章中也给出了类似的回答，其中有一些有用的提示： https://community.jmp.com/t5/Discussions/Different-result-from-Prediction-profiler-everytime/td-p/746903
谢谢！
本
回复：预测分析器问题你好@Rokusan91 ，
您描述的情况很常见：您在建模和分析器中添加的响应越多，您可能需要做出的“权衡”/妥协就越多，才能获得“最佳”解决方案。在大多数情况下，响应不会以相同的方向和模式发展，因此可能没有一个单一的解决方案可以带来良好的妥协。
为了更好地可视化这种情况，您可以使用模拟器从模型中生成数据点，用足够多的点和随机均匀分布覆盖因子范围。生成的数据表将包含预测响应，以及一个“Obj”列，其中包含总体可取性得分。
然后，您可以绘制该表中的数据点，看看最优值位于何处。您可能会发现，有几种组合可以帮助您达到最优值（此处以三个因子的两个响应为例），即帕累托前沿：
另一种方法是，在“优化和可取性”下，使用不同的起始点，多次执行“最大化并记住”选项。但这比较费劲，而且可能不够彻底，容易出错。
希望这个帕累托前沿解决方案可以帮到你，
