JMP R suare in Predictive and Specialized Modeling是錯誤的。我用JMP構建了一個神經網絡模型。它輸出R平方值。它輸出一個R平方值，如下所示：
但是當我輸出預測值並在Python中測試R square時，我發現它是錯誤的，如下所示：
這是使用SKlearn計算的驗證數據集R square I.
0.63和0.54，這是一個很大的區別。
任何員工都可以回答我的問題？
聯繫我：531554559@qq.com
緊急
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。python中R square的計算公式為：
所以我真的很困惑JMP中R square的公式是什麼？
問題是什麼？
實際上作為JMP中的文件：
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。python中R square的計算公式為：
所以我真的很困惑JMP中R square的公式是什麼？
問題是什麼？
實際上作為JMP中的文件：
我想這是相同的公式，但結果不同。
所以我想確認問題是什麼
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。無法訪問您的數據等，我只能建議檢查可能導致差異的幾個項目：
- 驗證您是否在兩個應用程序中使用相同的觀察結果：JMP和Python。
- 驗證在JMP中沒有排除可能未在Python中排除的行。
- 確認單位沒有四捨五入。例如，當人們使用Excel時他們得到一個結果，然後他們將數據從Excel複製並粘貼到JMP中並獲得不同的結果。在查找差異源時，實際值未復製到JMP中，顯示（格式化）值，因此，舍入值在JMP中使用。
這是我要開始的地方。 然後我會使用JMP表進行計算。
如果您發現差異的來源，請發布。
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。要檢查的一個顯而易見的事情是驗證和測試數據集是否相同（我懷疑它們是，因為它們是使用隨機種子創建的，我不確定R和JMP是否以相同的方式使用隨機種子）。 如果將數據隨機劃分為訓練，驗證和測試集是不同的，那麼當然R平方值將不同。 我懷疑情況可能就是這樣 - 也是因為訓練和驗證/測試數據集之間的差異很大。 這種差異表明實質上過度擬合，如果是這種情況，那麼結果可能會因數據在三個子集中的不同劃分而大不相同。
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。根本不知道數據，我會補充其他建議，即在這種情況下，70％-20％-10％的分配方案可能會提供不足的驗證樣本，特別是如果你有罕見的目標。我認為保留集的不同分配更有可能，但只是添加其他可能有助於解釋它的東西。
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。我同意隨機種子作為變異的一個來源。另一個來源可能僅僅是因為傳遞函數可能不同。您是否檢查過Python具有相同數量的隱藏層，相同類型和相同數量的傳輸函數？在JMP中你只有tanh和一層（JMP Pro提供第二個隱藏層以及除了tanh之外的高斯和普通傳遞函數）注意在python中你通常會指定輸出/輸入節點的數量和隱藏層的數量以及什麼您想要使用的轉移/激活功能。你能確定這一切都一樣嗎？
如果只有一件事情不同，那麼RSquare可能會有不同的結果。
另一個注意事項：分析的目標是什麼？你想做回歸還是分類？如果後者你不應該太在意rsquare，但是在錯誤分類率上，ROC曲線或類似的測量比rsquared更有用。
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。如果在JMP中重複擬合神經模型，結果會如何變化？
以下是兩個背對背的配合，具有相同的數據和相同的培訓和驗證分配，並且不會對網絡進行任何更改：
回复：JMP R suare in Predictive and Specialized Modeling是錯誤的。正如Mark Bailey在他的例子中指出的那樣，JMP中的神經平台將隨機化搜索最佳權重的起始值。即使在使用指定隨機種子的後續運行中也會發生這種情況，因為隨機種子僅適用於訓練/驗證/測試集之間的隨機分區，而不適用於搜索起始值。
因此，在相同條件下的不同模型評估可能導致不同的擬合統計，這對於需要搜索最優解的任何數值算法都是如此。
