tNavigator 智能历史拟合：看懂结果分析（二）（进阶篇）

乔聪颖

tNavigator中AHM &Uncertainty模块（简称AHM）的结果分析功能将专业的统计学知识内嵌其中，直观展现分析结果，简约而不简单！
本文承接《tNavigator 智能历史拟合：看懂结果分析（一）（进阶篇）》，有兴趣的童靴可以去了解下哦！
-------------------
3.8 2D图
2D图中主要有两种算法：
MDS (Multi-dimensional scaling)，一种在比原始数据空间维度更低维度的空间中进行多变量数据可视化的方法；
PCA (Principal component analysis)，一种使用最广泛的数据降维算法。

两种算法的主要目的都是降维，以便更好的判断模型之间的相似程度。
在此基础上，可以设置分组信息，自动分组，筛选具有代表性的模型，进行下一步的方案预测等工作。

3.9 Proxy models
Proxy models即代理模型，基于已经运算完成的结果数据，建立各个变量与目标之间的数学关系，并基于该数学关系可以快速计算（评估）出其它给定变量组合的目标结果。
目前tNavigator支持二项式形式的代理模型以及神经网络形式的代理模型，一般而言，后者效果要好于前者，尤其在模型数量较少的时候。

在代理模型的基础之上，通过Monte-Carlo算法，我们可以批量生成不同变量组合的计算结果。

3.10 目标函数的设置
目标函数的设置可以非常灵活：
针对历史拟合与方案预测，可以设置不同的目标函数；
针对Objects、Terms、Parameters，可以设置不同的权重；
自定义曲线可以应用其中；
可以设置目标函数的应用时间范围。

----------------------------------
想要了解更多tNavigator的强大应用，请关注科吉思：

似水流年

讲讲你们的新版本的人工智能吧，