予測モデルおよび発展的なモデル > Gauss過程 > 「Gauss過程」プラットフォームの別例 > カテゴリカルな説明変数を使ったGauss過程モデルの例
公開日: 11/25/2021

Image shown hereカテゴリカルな説明変数を使ったGauss過程モデルの例

この例では、「Algorithm Data.jmp」サンプルデータを使用します。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。「Algorithm Factors.jmp」には、計画の因子と設定がまとめられています。この計画には、連続尺度の因子が3つ、カテゴリカルな因子が2つあります。目標は、連続尺度の因子とカテゴリカルな因子の両方を含むGauss過程モデルで「CPU時間」を予測することです。

1. [ヘルプ]>[サンプルデータライブラリ]を選択し、「Design Experiment¥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. Image shown here[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を参照してください。

図17.7 「Algorithm Data」のレポート 

Algorithm Data Report

「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」「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。

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).