JMP Pro 如何計算神經網路和引導森林的 R 方？親愛的大家，我想知道 JMP 如何計算神經網路和引導森林的 R 方？ 公式是什麼？ 例如，我知道最小二乘迴歸的 R 方的計算：「R 方：估計反應中可歸因於模型而不是隨機誤差的變化比例。 使用對應變異數分析表中的量，R 方（也稱為多重確定係數）計算如下：平方和 (模型)/ 平方和 (C. 總計）」我發現手冊中有兩個用於神經網路和引導森林的R方：廣義R方和熵R方。 然而，當我運行我的神經網路和引導森林時，我只得到一個 R 方：R 方，這在手冊中沒有解釋。 所以我寫信詢問這個R方是如何計算的？ 有公式嗎？ 謝謝。回覆：JMP Pro 如何計算神經網路和引導森林的 R 方？你好萊昂，
驗證策略將您的資料分為兩組，並分別計算兩組的 rsquare。 當您儲存預測公式並繪製預測與觀察結果時，nm 會將所有資料納入一組。 顯然，該迴歸的 rsquare 小於兩個單獨組的 rsquare。
回覆：JMP Pro 如何計算神經網路和引導森林的 R 方？是否存在如何計算具有 10 倍交叉驗證的神經網路 R 方的方程式？
我只是想知道 JMP 是否高估了 R 方。
我運行了一個神經網路（10 倍交叉驗證、穩健擬合、1 次巡迴演出），訓練和驗證的 R 方均 > 0.8（圖 1.png）。
然後我透過「儲存快速公式」產生了一個新列「預測 Y」。
然而，Y 和預測 Y 之間的 R 方僅為 0.74（圖 2.png）。
回覆：JMP Pro 如何計算神經網路和引導森林的 R 方？如果您的反應變數是連續的，那麼您將得到與線性迴歸相同的 R 平方。 如果您的答案是明確的，那麼您將獲得另外兩個 R 平方度量。
廣義 R 方與連續響應的 R 方相同。
熵 R 平方是完整模型與簡化模型之間的對數似然差與簡化模型的對數似然之比。
