JMP R suare in Predictive and Specialized Modeling是错误的。我用JMP构建了一个神经网络模型。它输出R平方值。它输出一个R平方值，如下所示：
但是当我输出预测值并在Python中测试R square时，我发现它是错误的，如下所示：
这是使用SKlearn计算的验证数据集R square I.
0.63和0.54，这是一个很大的区别。
任何员工都可以回答我的问题？
联系我：531554559@qq.com
紧急
回复：JMP R suare in Predictive and Specialized Modeling是错误的。python中R square的计算公式为：
所以我真的很困惑JMP中R square的公式是什么？
问题是什么？
实际上作为JMP中的文件：
回复：JMP R suare in Predictive and Specialized Modeling是错误的。python中R square的计算公式为：
所以我真的很困惑JMP中R square的公式是什么？
问题是什么？
实际上作为JMP中的文件：
我想这是相同的公式，但结果不同。
所以我想确认问题是什么
回复：JMP R suare in Predictive and Specialized Modeling是错误的。无法访问您的数据等，我只能建议检查可能导致差异的几个项目：
- 验证您是否在两个应用程序中使用相同的观察结果：JMP和Python。
- 验证在JMP中没有排除可能未在Python中排除的行。
- 确认单位没有四舍五入。例如，当人们使用Excel时他们得到一个结果，然后他们将数据从Excel复制并粘贴到JMP中并获得不同的结果。在查找差异源时，实际值未复制到JMP中，显示（格式化）值，因此，舍入值在JMP中使用。
这是我要开始的地方。 然后我会使用JMP表进行计算。
如果您发现差异的来源，请发布。
回复：JMP R suare in Predictive and Specialized Modeling是错误的。要检查的一个显而易见的事情是验证和测试数据集是否相同（我怀疑它们是，因为它们是使用随机种子创建的，我不确定R和JMP是否以相同的方式使用随机种子）。 如果将数据随机划分为训练，验证和测试集是不同的，那么当然R平方值将不同。 我怀疑情况可能就是这样 - 也是因为训练和验证/测试数据集之间的差异很大。 这种差异表明实质上过度拟合，如果是这种情况，那么结果可能会因数据在三个子集中的不同划分而大不相同。
回复：JMP R suare in Predictive and Specialized Modeling是错误的。根本不知道数据，我会补充其他建议，即在这种情况下，70％-20％-10％的分配方案可能会提供不足的验证样本，特别是如果你有罕见的目标。我认为保留集的不同分配更有可能，但只是添加其他可能有助于解释它的东西。
回复：JMP R suare in Predictive and Specialized Modeling是错误的。我同意随机种子作为变异的一个来源。另一个来源可能仅仅是因为传递函数可能不同。您是否检查过Python具有相同数量的隐藏层，相同类型和相同数量的传输函数？在JMP中你只有tanh和一层（JMP Pro提供第二个隐藏层以及除了tanh之外的高斯和普通传递函数）注意在python中你通常会指定输出/输入节点的数量和隐藏层的数量以及什么您想要使用的转移/激活功能。你能确定这一切都一样吗？
如果只有一件事情不同，那么RSquare可能会有不同的结果。
另一个注意事项：分析的目标是什么？你想做回归还是分类？如果后者你不应该太在意rsquare，但是在错误分类率上，ROC曲线或类似的测量比rsquared更有用。
回复：JMP R suare in Predictive and Specialized Modeling是错误的。如果在JMP中重复拟合神经模型，结果会如何变化？
以下是两个背对背的配合，具有相同的数据和相同的培训和验证分配，并且没有对网络进行任何更改：
回复：JMP R suare in Predictive and Specialized Modeling是错误的。正如Mark Bailey在他的例子中指出的那样，JMP中的神经平台将随机化搜索最佳权重的起始值。即使在使用指定随机种子的后续运行中也会发生这种情况，因为随机种子仅适用于训练/验证/测试集之间的随机分区，而不适用于搜索起始值。
因此，在相同条件下的不同模型评估可能导致不同的拟合统计，这对于需要搜索最优解的任何数值算法都是如此。
