數據擬合 - 緊急你好，
我有一個包含各種值的數據表。
我想對以下數據進行建模。
我的數據集是 T、U、V、W、X、Y、Z
我想要建模的方程是
Z^g = a*(T^h) + b*(U^i) + c*(V^j) + d*(W^k) + e*(X^m) + f*(Y^n ) ）
請緊急需要幫助。
回复：數據擬合 - 緊急
我認為設置非線性，如前所述，很簡單，但結果可能會讓您失望。
- 您有共線的預測變量，因此除 PLS 之外的所有模型擬合過程都會遇到困難。
- 如前所述，您指定的非線性模型需要仔細注意起始值。 這樣的模型有理論基礎嗎？
- 如前所述，非線性模型參數將高度相關，這將進一步阻礙擬合過程。
我嘗試使用基於具有二階交叉項的二階多項式函數的普通最小二乘回歸來擬合線性模型。 刪除不重要的項後，我獲得了相當好的擬合效果。 該結果表明，除了定價中存在很大一部分隨機誤差之外，殘差分析中沒有任何特殊問題。
殘差的分佈顯然也存在明顯的右偏，因此具有非高斯分佈的 GLM 可能會改善擬合效果。 該擬合的 R 平方為 0.95，相當不錯。 該模型的預測變量的效果似乎也是合理的，並且非常容易解釋：
有趣的是，使用 4-6 個隱藏節點的神經模型給出了類似的結果，這是令人鼓舞的：
殘差顯示存在特定問題。
除了批量大小之外，預測曲線非常相似，但我沒有花很多時間使用擬合最小二乘來選擇模型。
似乎可以歸結為擬合特定的非線性模型或預測哪個更重要。 前者將非常困難，其結果可能並不比替代模型更好。 後者沒有提供嚴格的理論，但可能會達到預期的效果。
回复：數據擬合 - 緊急謝天謝地，您並不真正需要緊急幫助！ 
這絕對不是一個快速的轉變！
非線性平台是一個強大的主力，特別是對於機械模型，但它可能很挑剔且不穩定。 正如 Leland Wilkinson 所說：“非線性建模是一門藝術；多參數非線性建模是洛可可風格。”
我什至不明白你想要解決什麼“問題”，但我無法讓非線性平台將你的模型可靠地收斂到你的數據集上。 當它收斂時，模型診斷很差。 我認為這是因為 a) 我半隨機地猜測參數的起始值，b) 參數高度相關，c) 您提供的數據和模型缺少描述響應行為的重要變量。
我使用神經平台探索了您的數據集，但即使它的描述能力也很差。 這讓我認為您在數據和模型中缺少重要的自變量。 也許像鄰里和土地價格……以及互動……也許還有其他……
“很抱歉幫不上什麼忙，但 JMP 無法發揮魔法，儘管它通常看起來很神奇。 我認為您可能需要更好的數據集和更好的機制模型來實現您尋求的結果。
我想，其實不值得等待……
回复：數據擬合 - 緊急打開 JMP 並選擇幫助>圖書>預測和專業建模。 本指南 JMP 13 版本的第 13 章涵蓋非線性平台詳細。 它解釋並演示瞭如何定義像您這樣的自定義非線性模型。
回复：數據擬合 - 緊急線性解決方案能夠提供對問題的一些見解，但我仍然想知道如何對非線性解決方案進行建模。 我正在按要求附加數據集...
問候，
傑伊
回复：數據擬合 - 緊急問候，傑伊！
和往常一樣，傑夫的表現很準確。非線性平台是適合您模型的地方。
您可能面臨的一個潛在問題是您需要為模型中的參數值提供初始猜測。 希望身體狀況能夠建議一些起始值，或者也許您之前的分析可以建議一些？ 如果不是，那麼將多個模型與參數值範圍進行擬合併查看哪個模型效果最好也不是太麻煩，儘管這種方法在某種程度上與非線性建模的經典原理相反。
如果您可以分享您的數據，甚至一些匿名數據集，也許我們可以緊急提供幫助？
回复：數據擬合 - 緊急您可以使用非線性平台適合任何自定義模型，包括您上面顯示的模型。
