得分汇总

“得分汇总”报表提供判别得分的概况。Figure 5.12 中的表显示实际分类和预测分类。若所有观测均正确分类，则非对角计数为零。

图 5.12 Iris.jmp 的“得分汇总” 

“得分汇总”报表提供以下信息：

列

若您使用了“逐步选择变量”构造模型，则列出进入模型的列（Figure 5.6）。

源

若未使用验证，则所有观测构成训练集。若使用了验证，则分别显示一行表示训练集和验证集，或分别显示一行表示训练集、验证集和测试集。

误分类数

提供指定的集中被错误分类的观测数。

误分类的百分比

提供指定的集中被错误分类的观测百分比。

熵 R 方

一个拟合测度。值越大表示拟合效果越好。“熵 R 方”的值为 1 表示分类预测完美。由于判别模型的预测概率的不确定性很典型，因此“熵 R 方”值往往很小。

请参见熵 R 方。

注意：“熵 R 方”可能为负值。

-2对数似然

训练集中观测的负对数似然的两倍（基于模型）。值越大表示拟合效果越好。仅对训练集提供。请参见《拟合线性模型》。

混杂矩阵

显示分类变量 X 的每个水平的“预测计数-实际分类”矩阵。若使用的是带验证功能的 JMP Pro，将为每组观测提供一个矩阵。若您在 JMP 中使用了排除行，则将排除行视为验证集且给出单独的验证矩阵。请参见JMP 和 JMP Pro 中的验证。

熵 R 方

“熵 R 方”是一个拟合测度。为训练集计算该值，若使用了验证，则为验证集和测试集计算该值。

训练集的“熵 R 方”

对于训练集，按以下方式计算“熵 R 方”：

• 使用训练集拟合判别模型。

• 获取基于模型的预测概率。

• 使用这些预测概率，为训练集中的观测计算似然值。称之为似然_完全训练。

• 使用训练集拟合简化模型（无预测变量）。

• 使用简化模型中 X 变量的各水平的预测概率计算训练集中观测的似然值。将该量称为似然_简化训练。

• 训练集的“熵 R 方”为：

验证集和测试集的“熵 R 方”

对于验证集，按以下方式计算“熵 R 方”：

• 仅使用训练集拟合判别模型。

• 为所有观测获取基于训练集模型的预测概率。

• 使用这些预测概率，为验证集中的观测计算似然值。称之为似然_完全验证。

• 仅使用训练集拟合简化模型（无预测变量）。

• 使用简化模型中 X 变量的各水平的预测概率计算验证集中观测的似然值。将该量称为似然_简化验证。

• “验证熵 R 方”为：

测试集的“熵 R 方”计算方式与验证集的“熵 R 方”计算方式相似。