拟合选项

JMP 14.2 联机文档

JMP 支持

文档反馈
您的反馈对我们来说很重要。给我们发表您对该文档的任何意见。

该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.

预测和专业建模 • 神经网络 • 启动“神经”平台 • 拟合选项

•

提供以下模型拟合选项：

变换协变量

使用 Johnson Su 或 Johnson Sb 分布将所有连续变量变换为接近正态性。变换连续变量有助于减轻离群值或高偏斜分布的不利影响。请参见模型选项中的“保存变换的协变量”选项。

使用最小绝对偏差而不是最小二乘来训练模型。若您想要将离群值的影响降到最小，该选项会很有用。该选项仅适用于连续响应。

选择惩罚方法。为了降低神经网络过拟合数据的趋势，拟合过程引入了似然惩罚。请参见惩罚方法。

指定重新开始拟合过程的次数，每次迭代都使用不同的随机起始点进行参数估计。具有最佳验证统计量的迭代将被选为最终模型。

罚值为 λp(βi)，其中 λ 是惩罚参数，p( ) 是参数估计值的函数，称为惩罚函数。验证用于找到惩罚参数的最优值。

惩罚方法说明
方法	惩罚函数	说明
平方		若您认为大多数 X 变量都对模型的预测能力有贡献，则使用该方法。
绝对值		若 X 变量数量很多并且一小部分的贡献超过其他部分，则使用这两种方法之一。
加权衰减		若 X 变量数量很多并且一小部分的贡献超过其他部分，则使用这两种方法之一。
无惩罚	无	不使用惩罚。若您有大量数据同时希望拟合过程快速完成，则可以使用该选项。不过，该选项会导致模型的预测能力不如使用惩罚的模型。