預測分析器問題@malcolm_moore1
我對「預測刻畫器」的一個問題有疑問，希望您能幫助我理解。我使用“擬合模型”函數構建了一個模型，其中分別擬合了三個響應，每個響應在“效應篩選”模式下包含多個效應。建立模型後，我確定了最顯著的效應，並檢查了殘差的常態性。模型診斷完成後，我使用「預測刻畫器」來探索哪些因子值會產生特定的目標反應。接下來，我應用了意願函數，將回應設定為目標值。這得到了一條鐘形意願曲線。然後，我使用了「最大化意願」功能，該功能調整了因子值，使回應與目標值相符。然而，我注意到了一些意想不到的情況：當我在「預測刻畫器」中手動調整因子線，然後再次點擊「最大化意願」時，得到的因子值有時與先前的因子值有顯著差異，並且該因子下方的意願函數形狀也會發生變化。
為什麼會發生這種情況？在嘗試預測實現目標回應的最佳設定時，我應該信任哪一組因子值？
基本資料分析與建模回覆：預測分析器問題你好，Rokusan91，
對於連續因子，JMP 中的預測刻畫器使用梯度下降演算法，嘗試找到輸入因子的最佳設置，以滿足為每個響應設定的期望標準。您可能會看到不同的預測值，因為您的系統有多個可能的最佳值，而刻畫器會顯示其中一種可能性。當您調整輸入時，刻畫器會顯示一個不同但同樣理想的最優值。
您將需要研究最大化選項（優化和可取性>最大化選項）來改變它以提供更受約束的結果 - 我發現增加行程次數是一個很好的起點，可以反覆進行更改。
我在這篇文章中也給了類似的回答，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
謝謝！
本
回覆：預測分析器問題你好@Rokusan91 ，
您描述的情況很常見：您在建模和分析器中添加的回應越多，您可能需要做出的「權衡」/妥協就越多，才能獲得「最佳」解決方案。在大多數情況下，反應不會以相同的方向和模式發展，因此可能沒有單一的解決方案可以帶來良好的妥協。
為了更好地視覺化這種情況，您可以使用模擬器從模型中產生資料點，並用足夠多的點和隨機均勻分佈覆蓋因子範圍。產生的資料表將包含預測反應，以及一個「Obj」列，其中包含總體可取性得分。
然後，您可以繪製該表中的資料點，看看最優值位於何處。您可能會發現，有幾種組合可以幫助您達到最優值（此處以三個因子的兩個響應為例），即帕累托前沿：
另一種方法是，在「最佳化和可取性」下，使用不同的起始點，多次執行「最大化並記住」選項。但這比較費勁，而且可能不夠徹底，容易出錯。
希望這個帕累托前沿解決方案可以幫助你，
