Predictive and Specialized Modeling의 JMP R Suare는 잘못되었습니다.JMP로 신경망 모델을 만들었습니다. R 제곱 값을 출력합니다. 다음과 같이 R 제곱 값을 출력합니다.
그러나 예측 된 값을 출력하고 파이썬에서 R 사각형을 테스트 할 때, 다음과 같이 잘못되었다는 것을 발견했습니다 :
이것은 SKlearn을 사용하여 계산 된 유효성 데이터 세트 R square입니다.
0.63 및 0.54로 큰 차이가 있습니다.
어떤 직원이든 내 질문에 대답 할 수 있습니까?
저에게 연락하십시오 : 531554559@qq.com
긴급한
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.파이썬에서 R square의 계산 된 공식은 다음과 같습니다.
그래서 저는 JMP에서 R square의 공식이 정말로 혼란 스럽습니까?
문제가 뭐야?
사실 JMP의 문서로 :
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.파이썬에서 R square의 계산 된 공식은 다음과 같습니다.
그래서 저는 JMP에서 R square의 공식이 정말로 혼란 스럽습니까?
문제가 뭐야?
사실 JMP의 문서로 :
나는 그것이 같은 공식이지만, 다른 결과라고 생각합니다.
그래서 문제가 무엇인지 확인하고 싶습니다.
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.데이터 등에 액세스 할 수 없기 때문에 차이점을 설명 할 수있는 몇 가지 항목 만 제안 할 수 있습니다.
- 두 응용 프로그램 (JMP 및 Python)에서 동일한 관찰을 사용하고 있는지 확인하십시오.
- Python에서 제외되지 않은 행이 JMP에서 제외되지 않았는지 확인하십시오.
- 단위가 반올림되지 않는지 확인합니다. 예를 들어 사람들이 Excel을 사용하여 결과를 얻으면 Excel의 데이터를 복사하여 JMP에 붙여 다른 결과를 얻습니다. 불일치의 원인을 찾을 때 실제 값은 표시된 (형식화 된) 값인 JMP로 복사되지 않으므로 JMP에서 반올림 된 값이 사용되었습니다.
이것이 내가 시작하는 곳입니다. 그런 다음 JMP 테이블을 사용하여 계산합니다.
불일치의 원인을 찾으면 게시하십시오.
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.한 가지 분명한 것은 검증과 테스트 데이터 세트가 같은지 아닌지입니다 (나는 의심 스럽습니다. R과 JMP가 임의의 시드를 사용하여 생성 되었기 때문에 R과 JMP가 같은 방식으로 사용되는지 확실하지 않습니다. ). 데이터를 무작위로 훈련, 검증 및 테스트 세트로 나누면 R 스퀘어 값이 달라집니다. 나는 이것이 사실일지도 모른다라고 생각한다 - 훈련의 적합과 유효화 / 테스트 데이터 세트 사이의 큰 차이 때문이기도하다. 그 차이가 과도한 피팅을 의미하며, 그렇다면 세 가지 하위 집합으로 나누는 데이터의 구분에 따라 결과가 크게 다를 수 있습니다.
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.데이터를 전혀 알지 못한다면, 70 % -20 % -10 % 할당 스키마가이 경우 유효성 검사를 위해 불충분 한 샘플을 제공 할 수 있다고 제안합니다. 특히 희소 한 대상이있는 경우 특히 그렇습니다. 홀드 아웃 세트에 대한 다른 과제가 더 많을 것이라고 생각하지만 설명하는 데 도움이 될만한 다른 내용을 추가하는 것이 좋습니다.
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.나는 무작위 종자가 변이의 한 원인으로 동의한다. 전달 함수가 다를 수 있다는 사실만으로 다른 소스를 얻을 수도 있습니다. 파이썬이 같은 양의 숨겨진 레이어, 동일한 유형 및 동일한 양의 전달 함수를 가지고 있는지 확인 했습니까? JMP에서는 tanh와 하나의 레이어 만 있습니다 (JMP Pro는 tanh 외에 가우스 및 일반 전송 함수도 제공합니다). 파이썬에서 일반적으로 출력 / 입력 노드 수와 숨겨진 레이어 수를 지정합니다. 전송 / 활성화 기능을 사용할 수 있습니다. 이것이 모두 동일하다는 것을 확신 할 수 있습니까?
다른 점이 하나 있다면 RSquare의 결과가 다를 수 있습니다.
또 다른 메모 : 분석의 목표는 무엇입니까? 회귀 또는 분류를 원하십니까? 후자의 경우 rsquare에 대해 많이 신경 쓰지 말고 오 분류 율, ROC 곡선 또는 유사한 측정이 rsquared보다 유용합니다.
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.JMP에서 신경 모델을 다시 적용하면 결과가 어떻게 바뀌나요?
교육 및 검증에 동일한 데이터와 동일한 할당을 사용하고 네트워크를 변경하지 않고 두 가지의 백 투 백 (back-to-back)
재 : 예측 및 전문 모델링에서 JMP 연구실은 잘못되었습니다.Mark Bailey가 그의 예에서 지적했듯이, JMP의 신경 플랫폼은 최적의 가중치를 찾기 위해 시작 값을 무작위로 추출합니다. 임의의 시드는 학습 시작 / 검증 / 테스트 세트 사이의 무작위 분할에만 적용되고 검색 시작 값에는 적용되지 않기 때문에 지정된 임의의 시드로 후속 실행시에도 발생합니다.
따라서 동일한 조건에서 여러 가지 모델을 평가하면 최적의 솔루션을 검색해야하는 모든 수치 알고리즘에 적합한 적합 통계가 달라질 수 있습니다.
