使用包含连续和分类因子的高斯过程模型预测响应。这些数据是对 CPU 时间的模拟,来自一个 50 次的空间填充设计实验,其中包含三个连续因子和两个分类因子。
1. 选择帮助 > 样本数据文件夹,然后打开 Design Experiment/Algorithm Data.jmp。
2. 选择分析 > 专业建模 > 高斯过程。
3. 从 Alpha 一直选择到编译器,然后点击 X。
4. 选择 CPU 时间,然后点击 Y。
5. 要运行分析,请保持“快速 GASP”处于选中状态。点击确定。
注意:“快速 GASP”选项必须用于包含分类因子的模型。请参见包含分类预测变量的模型的统计详细信息。
图 17.7 “Algorithm Data”报表
“预测值-实际值”图显示实际 CPU 时间与预测 CPU 时间之间存在强相关性。这表明高斯过程预测模型是真实函数的良好近似。在“模型报表”中,Beta 预测变量具有最高的总灵敏度。这表明在连续预测变量中,Beta 解释了响应中的大多数变异。每个分类预测变量(算法和编译器)都有一个单独的“分类输入”矩阵。这些矩阵是相关性矩阵,并且显示每个分类预测变量的水平之间的相关性。这些矩阵的非对角线元素是 t 参数。