编写广义普氏分析脚本，并利用该脚本分析自由选择特征和感官评价数据。感官评价是利用人类感官进行的，大致可分为分析型感官评价和偏好型感官评价。分析型感官评价通过训练有素的感官小组获得客观的评价结果，而偏好型感官评价则通过普通消费者的主观评价获得结果。另一方面，近年来，许多新的评价方法（快速评价方法）被采用，这些方法能够在保证一定准确度的同时，降低感官小组训练和评价的时间和成本。其中一种快速评价方法——自由选择分析法（FCP）——允许评价者根据自身的评价标准对样品进行评价，其优势在于能够直接捕捉消费者自然的感知和表达，而无需事先进行感官小组训练。该方法利用多元分析和广义普氏分析（GPA）整合每位评价者使用不同标准和量表获得的数据，并将其解释为样品间的共同感知空间。
这次，为了进行JMP分析菜单中未包含的GPA分析，并分析FCP数据，我们利用人工智能生成技术编写了一个脚本，并通过连接JMP和Python实现了分析。接下来，我们将展示FCP数据的分析结果和解读。
