제목 : Re : 신경망에 일반화 된 RSquare여러 개의 NN 보고서가 여기에 있습니다.
일반화 된 RSquare 모델 간의 loglikelihood 값의 차이에 따라 계산됩니다. L (베타 모자) , 그리고 null, L (Null), 여기서 n은 관측 값입니다.
Chris Gotwalt의 논문 10 페이지를 참조하십시오. ( https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discussions/19686/1/JMP%20Neural%20Network%20Methodology.pdf ).
(참고 RSquare 개별 NN에 대해보고 된 동일한 수식).
전반적인 일반화 된 RSquare 그 차이를 조합하여 복수의 응답이있는 경우, L (베타 모자) - L (Null), 개별적인 NN으로부터의 차이이므로 전체적인 차이는 개별 모델의 차이보다 큽니다. 결과적으로 일반화 된 RSquare 실행되는 모델 수는 고려 대상에 포함되지 않으므로 .
나는 개인적으로 전체를 찾는다. 일반화 된 RSquare 별로 유용하지 않습니다.
제목 : Re : 신경망에 일반화 된 RSquare고마워, 지앤,
나는 그 개념과 당신의 염려를 이해합니다. 그것은 매우 도움이되었다!
베른 트
신경망에서 일반화 된 RSquare여보세요,
두 개 이상의 목표 변수로 NN을 실행하면 fit의 개별 통계와 일반화 된 RSquare 테이블 (s. 붙여진). 그 rsquare 값은 모든 개인 정사각형 값보다 훨씬 높은 것으로 관찰되었습니다. JMP 도움말에서 설명을 찾지 못했고 호버링 도움말을 사용할 수 없습니다. 누군가 날 설명과 해석 도움을 주겠습니까. 제발.
