JMPはRSM線形回帰のデータを正規化しますかＹ ＝ Ｘ Ｂ。 YとXは既知です。
私はmartix Xを作りました、最初の列は1です。次の列は変数値です。（RSMモデル。例：x 1 x 2 x 3 x 1 x 2 x 1 x 2 x 1 x 3 x 2 x 2 x 2 x 3 x 3 x 2）
2-10列は標準化されていません。
私はこれをJMPにフィットさせる正規化X行列そしてmarco / RSMを選択してください。
最初のステップは全てのパラメータを使うことで、線形回帰の結果を得ることができます。
R二乗は0.91
私はこれを使用している場合正規化されたX 線形回帰の行列 - Pythonで。
サーバル方式。
1。pinv（x）* Y
2。ピン（xt * x）xt * Y
3。 lstsq（mat_X、mat_Y.T）
4。 sm.OLS（ mat_Y 、 mat_X ）
R二乗結果は約0.92で、これはjmp reusltと似ています。
私はこのX martixを正規化した場合。
mat_X [：、1：] = np.around（2 *（mat_X [：、1：] - mat_X [：、1：]。平均（0））/（np.ptp（mat_X [：、1：]、軸= 0）））
R二乗の結果はJMPの結果より約0.87μ小さい。
だから私はJMPはそれがフィットモデルの間にデータを正規化するかどうかを知るのだろうか...
DOE分析によると。この正規化は必要です...
再：JMPはRSM線形回帰のデータを正規化していますかこんにちはあなたの提案をありがとう。
私はjmp reusltを迎えました。この結果から。
あなたが正しいです。jmpは入力変数をコーディングしました。
私はなぜ違いがあるのかを理解します。
JMPはそうではありませんが標準化された値（-1/0/1）のラウンドとして私のお得な情報。
明らかに連続値はより良いフィット結果を示します。
0.286238698909496
0.0108723016776135 *：var1_item
-0.0030783246785283 *：var2_item
-0.00103156547312312 *：var3_item
-0.00639159696577367 *：var4_item
0.00591958635149878 *：var5_item
-0.0116101343183908 *：var6_item
-0.00576482105310824 *：var7_item
-0.0000968264730577947 *：var8_item
0.0119152879877735 *：var9_item
-0.0848833900498315 *：var10_item
0.0622163225141193 *：var11_item
0.0402091328320561 *：var12_item
var1_item * var1_item * -0.00777777703149709
var1_item *（：var2_item - 0.00260416666666667）* -0.00221885710855179
var1_item *（：var3_item - 24.5807291666667）* -0.000359320174969306
var1_item *（：var4_item - （-0.0104166666666667））* -0.00362969350701834
var1_item *（：var6_item - 0.00520833333333333）* -0.00199166114217802
var1_item *（：var8_item - 27.3046875）* -0.0000902825315175603
var1_item *（：var9_item - （-0.00520833333333333））* 0.00138867940298831
var1_item *（：var10_item - 0.776757812500002）* - 0.0126640508917091
var1_item *（：var12_item -0.0515624999999999）* 0.00723226555572464
（：var2_item - 0.00260416666666667）*（：var3_item - 24.5807291666667）* -0.000335886721396323
（：var2_item -0.00260416666666667）*（：var4_item - （-0.0104166666666667））* 0.00191935297074069
（：var2_item - 0.00260416666666667）*（：var5_item - 1.14609374999999）* -0.00196457112219932
（：var2_item - 0.00260416666666667）*（：var10_item -0.776757812500002）* -0.00920871165427011
（：var3_item - 24.5807291666667）*（：var3_item - 24.5807291666667）* -0.0000815627812120544
（：var3_item -24.5807291666667）*（：var4_item - （-0.0104166666666667））* 0.000191618725149221
（：var3_item - 24.5807291666667）*（：var5_item - 1.14609374999999）* 0.000636976851886725
（：var3_item - 24.5807291666667）*（：var6_item -0.00520833333333333）* -0.000168527994113173
（：var3_item - 24.5807291666667）*（：var9_item - （-0.00520833333333333））* 0.0000915720731626415
（：var3_item -24.5807291666667）*（：var10_item - 0.776757812500002）* 0.000333488716894479
（：var3_item - 24.5807291666667）*（：var11_item - 0.0503906249999999）* -0.000439774767505078
（：var4_item - （-0.0104166666666667））*（：var6_item -0.00520833333333333）* 0.00096610960767461
（：var4_item - （-0.0104166666666667））*（：var10_item - 0.776757812500002）* 0.00450546279579516
（：var5_item -1.14609374999999）*（：var6_item - 0.00520833333333333）* 0.0021106676783288
（：var5_item - 1.14609374999999）*（：var7_item - 13.821875）* 0.00217097837772603
（：var5_item - 1.14609374999999）*（：var11_item - 0.0503906249999999）* -0.0115442487991345
（：var6_item - 0.00520833333333333）*（：var7_item - 13.821875）* -0.00125862999783603
（：var6_item - 0.00520833333333333）*（：var10_item -0.776757812500002）* -0.00957578865813035
（：var6_item - 0.00520833333333333）*（：var11_item - 0.0503906249999999）* 0.00993582976587471
（：var7_item - 13.821875）*（：var7_item - 13.821875）* -0.000431452298824955
（：var7_item - 13.821875）*（：var8_item - 27.3046875）* -0.000126745570160173
（：var7_item - 13.821875）*（：var9_item - （-0.00520833333333333））* 0.000354895921488306
（：var7_item -13.821875）*（：var10_item - 0.776757812500002）* -0.00632400305434231
（：var7_item -13.821875）*（：var11_item - 0.0503906249999999）* 0.00395422868916678
（：var8_item - 27.3046875）*（：var9_item - （-0.00520833333333333））* 0.000473319071720134
（：var8_item - 27.3046875）*（：var10_item - 0.776757812500002）* 0.00073928041332545
（：var9_item - （-0.00520833333333333））*（：var10_item - 0.776757812500002）* -0.00587332411782299
（：var9_item - （-0.00520833333333333））*（：var11_item -0.0503906249999999）* 0.00953104032282317
（：var10_item - 0.776757812500002）*（：var12_item - 0.0515624999999999）* -0.0646790675737112
（：var11_item -0.0503906249999999）*（：var11_item - 0.0503906249999999）* -0.180683768377719
（：var11_item - 0.0503906249999999）*（：var12_item - 0.0515624999999999）* 0.104048651671741
再：JMPはRSM線形回帰のデータを正規化していますかJMPを使用して実験を設計し、設計データ表を作成すると、各連続因子はCodingプロパティを持ちます。[最小二乗法に合わせる]は、このプロパティを使用して因子レベルを-1（最小）から+ 1（最大）まで内部的にコーディングします。Parameter Estimatesの用語のラベルは、推定値が実際のレベルではなくコード化されたレベルを使用したことを示すために、X1（min、max）のように変更されます。
他の方法で係数をデータテーブルに入力した場合、それらはこの列プロパティを持たない可能性があり、最小二乗法ではレベルをコーディングしません。
