Re: Generalized RSquare in neuronalen NetzenIhr mehrfacher NN-Bericht ist hier
Generalized RSquare wird basierend auf der Differenz des Loglikelihood-Werts zwischen den Modellen berechnet, L (Beta-Hut) und null L (Null), wobei n die # Beobachtungen ist.
Siehe Seite 10 von Chris Gotwalt. ( https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discussions/19686/1/JMP%20Neural%20Network%20Methodology.pdf ).
(Beachten Sie, dass R Quadrat angegeben für einzelne NN verwendet die gleiche Formel).
Ein Overall Generalized RSquare Wenn mehrere Antworten vorhanden sind, wird die Differenz berechnet, L (Beta-Hut) - L (Null), von den einzelnen NNs, so ist die Gesamtdifferenz größer als die Differenz in einem einzelnen Modell. Dies führt zu einem höheren Generalized RSquare Wert, da keine Anzahl von Modellen ausgeführt wird .
Ich persönlich finde das Gesamtbild Generalized RSquare nicht sehr nützlich.
Re: Generalized RSquare in neuronalen NetzenDanke, Jian,
Ich verstehe das Konzept und auch Ihre Anliegen. das war sehr hilfreich!
Bernd
Generalized RSquare in neuronalen NetzenHallo,
Wenn Sie NN mit zwei oder mehr Zielvariablen ausführen, erhalten Sie die individuellen Anpassungsstatistiken sowie eine Generalized RSquare-Tabelle (s. angebracht). Dieser rsquare-Wert ist, soweit ich ihn beobachtet habe, viel höher als alle einzelnen rsquare-Werte. Ich habe keine Erklärung in der JMP-Hilfe gefunden, und die Hover-Hilfe ist nicht verfügbar. Könnte mir jemand auf eine Erklärung und Interpretation verweisen, bitte.
