Il tuo rapporto NN multiplo è qui
RSquare generalizzato è calcolato in base alla differenza di valore di loggia tra il modello, L (cappello Beta) e null, L (Null), dove n è l'osservazione #.
Vedi la pagina 10 del documento di Chris Gotwalt. ( https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discussions/19686/1/JMP%20Neural%20Network%20Methodology.pdf ).
(Nota che RSquare segnalato per NN individuale utilizza la stessa formula).
Un totale RSquare generalizzato quando ci sono più risposte viene calcolato combinando le differenze, L (cappello Beta) - L (Null), dai singoli NN, quindi la differenza complessiva è maggiore della differenza in un singolo modello. Ciò si traduce in un più alto RSquare generalizzato valore poiché nessun numero di modelli eseguiti viene preso in considerazione .
Personalmente trovo il totale RSquare generalizzato non molto utile
Grazie Jian,
Capisco il concetto e anche le tue preoccupazioni. è stato molto utile!
Bernd
Ciao,
quando esegui NN con due o più variabili target ottieni le statistiche individuali di adattamento più una tabella RSquare generalizzata (s. allegato). Quel valore rsquare è per quanto l'ho osservato molto più alto di tutti i singoli valori di rsquare. Non ho trovato una spiegazione in JMP Help e l'hover help non è disponibile. Qualcuno potrebbe indicarmi un aiuto per la spiegazione e l'interpretazione, per favore.
