nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

80220_zh-CN

liliconcom

教程 - 广义回归：您未使用的最灵活的建模平台（US 2018 407）

这些是我在Cary的Discovery 2018的教程中使用的资源。

广义回归 - 听起来很可怕，但事实并非如此。JMP Pro中的这个平台可以处理大多数常见的线性建模练习。需要在可能性的海洋中找到最佳的预测变量集（即变量选择）？这个平台可以做到这一点。需要对超过两个级别的分类响应进行建模吗？广义回归可以做到这一点。是否存在计数数据或收益百分比等非正常响应的问题？其他建模方法随着这些响应而下降，广义回归处理它们。如果你没有使用这个平台，那你就错过了。我们将研究如何使用Genreg在各种设置中构建模型：从正交设计实验开始，然后转移到大型观测数据集。