為非線性擬合構造損失函數我看到一個類似的問題，但沒有答案，所以希望不高，但請嘗試。
假設我要進行非線性擬合（例如邏輯函數），然後使用對數比檢驗或AIC來證明它比線性擬合更好。我知道我需要構造一個適當的Loss函數，然後Solution報告將顯示對數可能性。我要對損失函數做些什麼？
是否有另一種方法來獲得非線性擬合的LL？
謝謝！
回复：構造非線性擬合的損失函數我建議您查看幫助> JMP文檔庫>預測模型和專業模型>章：非線性回歸>部分：最大似然示例：邏輯回歸。詳細說明了過程和過程，並舉例說明了擬合模型的損失值為-2L。
回复：構造非線性擬合的損失函數是的，我看過那個例子。但是，它提供了有關如何檢驗邏輯回歸假設的說明（即，使用分類響應變量）。我正在嘗試將兩個具有連續響應變量的模型進行比較-一種是線性的，一種是非線性的。
但是謝謝！
回复：構造非線性擬合的損失函數通過從JMP10遷移到JMP15解決了我的問題（目前僅作為試用）。有一個“曲線擬合”對話框可以滿足我的需求。
