<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />球隊，
Brady Brady和Scott Wise於2015年10月8日在西雅圖舉行的2015年JSM會議上發表了一篇關於使用廣義線性回歸（GLR）創建穩健線性模型的優秀演講。 觀眾對JMP Pro 12中新的廣義線性回歸平台的易用性和靈活性印象深刻。 更快版本的演示文稿也將在即將於加利福尼亞州聖地亞哥舉行的2015 Discovery大會上展出。
根據要求附加：
- JSM Genreg.jrn>演示期間使用的期刊（包括腳本幻燈片）
- 南非心髒病2.jmp> Genreg Elastic Net演示，包括其他模型比較腳本
---------------------
Scott Wise，JMP首席系統工程師，SAS
Brady Brady，JMP技術支持工程師，SAS
使用廣義線性回歸（GLR）創建穩健的線性模型
懲罰回歸技術是傳統線性建模方法的可行替代方法，特別是在違反正交性，同方差性或響應正態性的典型假設的情況下。它們還可用於自動選擇哪些預測變量在預測給定響應時最有用。雖然這些技術並不新鮮，但由於它們的計算費用和學術界以外的相對模糊性，它們在應用環境中的使用歷史上一直受到限制。如今，價格實惠，功能強大的計算機的普及使得在桌面分析軟件中實施這些技術成為可能。本次會議將解釋懲罰性回歸技術，並探討JMP Fit Model平台的廣義回歸個性的使用。與會者將發現這些模型易於設置，運行和分析，但在出現異常值，相關輸入以及非正常和/或零膨脹響應時仍然很穩健。
該數據集包含在Trevor Hastie的中統計學習的要素 ，一種流行的機器學習文本。
有關數據來源和背景故事的請求信息：
數據集的描述位於以下鏈接。正如您所發現的，CHD是“冠心病”，數據集是1983年期刊文章中數據集的一個子集。
乾杯，
布雷迪
https://web.stanford.edu/~hastie/ElemStatLearn/datasets/SAheart.info.txt
