Gauss過程 IMSE最適計画

Gauss過程IMSE最適計画は、Gauss過程モデルに適した計画です。Gauss過程モデルは、滑らかな曲面に従っているデータに対して使えます。Gauss過程IMSE最適計画は、Gauss過程モデルの平均2乗誤差（MSE; Mean Squared Error）を実験領域で積分した値を最小化します。この手法では、クリギングモデルに似た相関構造を使用します。Jones and Johnson（2009）を参照してください。

共分散パラメータベクトル

Gauss過程IMSE最適計画でGauss過程モデルを生成するには、共分散パラメータベクトルで相関構造を定義します。各因子にθの値があり、θが0のとき相関が1となり、あてはめた曲面がその因子の方向について平面となります。θが増加するに従って、相関は減少し、曲面がその因子の方向で大きく変化するようになります。

「共分散パラメータベクトル」アウトラインで、「θ」の下に、事前にわかっている曲面情報に基づく値を入力できます。

Gauss過程IMSE最適計画とラテン超方格法の比較

Gauss過程IMSE最適計画は、ラテン超方格法の代わりとなる計画です。IMSE最適計画をラテン超方格法による計画（図21.20）と比較してみましょう。図21.22は、Gauss過程 IMSE最適計画を描いた散布図です。こちらの計画の方が、因子領域全体に均一に散らばっていることがわかります。

図21.22 ラテン超方格法による2因子計画とGauss過程 IMSE最適計画を比較 

注: ここで紹介している最大エントロピー計画とGauss過程 IMSE最適計画は、100個のランダム開始点を使って作成したものです。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).