Re：神經網絡中的廣義RSquare您的多個NN報告就在這裡
廣義RSquare 是基於模型之間的對數似然值的差異來計算的， L（Beta帽子） ，並且為null， L（空），其中n是＃observation。
請參閱Chris Gotwalt的論文第10頁。（ https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discussions/19686/1/JMP%20Neural%20Network%20Methodology.pdf ）。
（注意 RSquare 報告個人NN使用相同的公式）。
一個整體廣義RSquare 當有多個反應是通過組合差異來計算的， L（Beta帽子） - L（空），來自單個NN，因此總體差異大於單個模型中的差異。這導致更高廣義RSquare 因為沒有＃模型運行的價值被考慮在內 。
我個人覺得總體而言廣義RSquare 不太有用。
Re：神經網絡中的廣義RSquare謝謝你，
我理解這個概念以及你的顧慮。這非常有幫助！
貝恩德
神經網絡中的廣義RSquare你好，
當您使用兩個或更多目標變量運行NN時，您將獲得適合的各個統計信息以及一個廣義RSquare表（s。附）。這個rsquare值是我觀察到的遠高於所有單個rsquare值。我沒有在JMP幫助中找到解釋，也沒有懸停幫助。請有人指點我解釋和解釋幫助。
