当你使用 时，结果是一个模型图。利用模型图的结果验证模型，以便进行优化。如果结果符合预期，就从中选择 响应优化器 进行优化。
模型图: 填充状态, 额外重量, 强度
模型性能
| 响应变量 | 模型 | 验证方法 | 性能 |
|---|---|---|---|
| 填充状态 | Random Forests® 多项式分类 1 | OOB | 误分类率: 7.24% |
| 额外重量 | MARS® 回归 1 | 5 折叠交叉验证 | R 平方: 87.97% |
| 强度 | TreeNet® 回归 1 | 5 折叠交叉验证 | R 平方: 89.92% |
变量范围
| 变量 | 平均重要性 | ID | 值 | 响应 |
|---|---|---|---|---|
| 模具温度 | 66.6667 | 9 | [30.1, 1649.5] | 额外重量, 强度 |
| 注射压力 | 53.7347 | 1 | [75, 150] | 所有 |
| 冷却温度 | 46.8183 | 2 | [25, 45] | 所有 |
| 塑料温度 | 33.3333 | 5 | [200, 400] | 填充状态 |
| 后压 | 28.5955 | 4 | [0.4, 0.7] | 填充状态 |
| 保持压力 | 25.1115 | 3 | [21, 48] | 填充状态, 额外重量 |
| 塑料流速 | 23.3546 | 6 | [10, 50] | 填充状态 |
| 机器 | 19.5256 | 7 | 1, 2, 3, 4 | 额外重量, 强度 |
| 注射温度 | 0.9739 | 8 | [85, 100] | 额外重量 |
关键结果：模型与变量信息
对于这些数据，分析包含3个响应变量，和 填充状态 额外重量 强度。模型性能表显示性能统计数据，如R平方或误分类率。利用性能统计数据帮助你评估模型性能是否足够。
变量范围表显示了预测变量的重要性和范围。如果存在问题，比如缺少一个期望变量，则对模型进行重新调整。
