显示拟合详细信息

图 4.12 分类响应（Diabetes.jmp 中的 “Y 二值型”）的拟合详细信息 

熵 R 方

比较拟合模型和恒定概率模型的对数似然的一种拟合测度。熵 R 方的范围介于 0 到 1 之间，其中接近 1 的值指示拟合更佳。请参见熵 R 方。

广义 R 方

可以应用到一般回归模型的测度。它基于似然函数 L，并且统一尺度后最大值为 1。对于在标准最小二乘设置中的连续正态响应，“广义 R 方”测度简化为传统 R 方。“广义 R 方”亦称 Nagelkerke/Craig and Uhler R2，它是 Cox and Snell 伪 R2 的标准化版本。请参见 Nagelkerke (1991)。值越接近 1 指示拟合效果越好。

-Log p 均值

-log(p) 的平均值，其中 p 是与发生的事件有关的拟合概率。值越小指示拟合效果越好。

RASE

均方根误差，其中差值为响应和 p（实际发生事件的拟合概率）之间的差值。值越小指示拟合效果越好。

绝对偏差的均值

响应和 p（实际发生事件的拟合概率）的差值绝对值的平均值。值越小指示拟合效果越好。

误分类率

具有最高拟合概率的响应类别不是观测到的类别的比率。值越小指示拟合效果越好。

“混淆矩阵”报表显示针对训练集以及验证集和测试集（若定义）的矩阵。“混淆矩阵”报表包含混淆矩阵和混淆率矩阵。混淆矩阵是实际响应和预测响应的双向分类。混淆率矩阵等同于混淆矩阵，只不过其中的数字要除以行合计。

若响应具有“收益矩阵”列属性，或者您使用“指定收益矩阵”选项指定了成本，则会显示“决策矩阵”报表。请参见“决策矩阵”报表。