カテゴリカルな説明変数を使ったGauss過程モデルの例
連続尺度の因子とカテゴリカルな因子の両方を含むGauss過程モデルを使用して、応答を予測してみましょう。このデータは、実験回数50のSpace Filling計画（空間充填計画）に基づいて、シミュレーションで求めたCPU時間です。3つの連続尺度の因子と2つのカテゴリカルな因子があります。
1. ［ヘルプ］>［サンプルデータフォルダ］を選択し、「Design Experiment」フォルダにある「Algorithm Data.jmp」を開きます。
2. ［分析］>［発展的なモデル］>［Gauss過程］を選択します。
3. 「Alpha」から「コンパイラ」までを選択し、［X］をクリックします。
4. 「CPU時間」を選択し、［Y］をクリックします。
5. 
［高速Gauss過程］オプションは選択したままにしておきます。［OK］をクリックします。
メモ: カテゴリカルな因子があるモデルには、［高速Gauss過程］オプションを使う必要があります。カテゴリカルな説明変数を使ったモデルの統計的詳細を参照してください。
図17.7 「Algorithm Data」のレポート
「予測値と実測値のプロット」を見ると、「CPU時間」の予測値と実測値の間に強い相関があることがわかります。これは、推定されたGauss過程モデルが真の関数をよく近似していることを示します。「モデルのレポート」では、説明変数である「Beta」の総感度が最も高くなっています。これは、連続尺度の説明変数の中で、「Beta」が応答変数の変動を最も多く説明していることを示します。このレポートとは別に、カテゴリカルな説明変数の「アルゴリズム」と「コンパイラ」に対し、それぞれ「カテゴリカル変数」という行列が作成されています。これは、それぞれの変数の水準間に見られる相関を示した相関行列です。この行列の非対角要素は、tパラメータの推定値です。