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。

稳健拟合

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。

惩罚方法

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。

历程数

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。

惩罚方法

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。