범주형 예측 변수가 있는 가우시안 과정 모형의 예
연속형 요인과 범주형 요인이 모두 포함된 가우시안 과정 모형을 사용하여 반응을 예측합니다. 이 데이터는 3개의 연속형 요인과 2개의 범주형 요인이 있는 공간 채움 설계 실험을 50회 실행하여 얻은 시뮬레이션된 CPU 시간입니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Design Experiment/Algorithm Data.jmp를 엽니다.
2. 분석 > 전문 모델링 > 가우시안 과정을 선택합니다.
3. Alpha ~ Compiler를 선택하고 X를 클릭합니다.
4. CPU Time을 선택하고 Y를 클릭합니다.
5. 
분석을 실행하려면 "빠른 GASP"를 선택된 상태로 둡니다. 확인을 클릭합니다.
참고: 범주형 요인이 포함된 모형에는 "빠른 GASP" 옵션을 사용해야 합니다. 자세한 내용은 범주형 예측 변수가 있는 모형에 대한 통계 상세 정보에서 확인하십시오.
그림 17.7 Algorithm Data 보고서
참고: 최소화 루틴의 시작점이 다르기 때문에 추정된 모수가 다를 수 있습니다.
"실제값 대 예측값 그림"에서는 실제 CPU 시간과 예측 CPU 시간 사이의 강한 상관관계를 보여 줍니다. 이는 가우시안 과정 예측 모형이 실제 함수와 유사한 근사값을 산출한다는 것을 나타냅니다. "모형 보고서"에서 Beta 예측 변수의 총 민감도가 가장 높습니다. 이는 연속형 예측 변수 중 Beta가 반응의 변동을 가장 많이 설명한다는 것을 나타냅니다. 각 범주형 예측 변수, 즉 Algorithm과 Compiler에 대한 별도의 "범주형 입력" 행렬이 있습니다. 이러한 행렬은 상관 행렬이며 각 범주형 예측 변수에 대한 수준 사이의 상관관계를 나타냅니다. 행렬의 비대각은 t 모수입니다.