建模：什么时候应该使用 JMP Pro PLS 而不是 Lasso？在许多情况下，两者都值得尝试。 当一个人需要带有一些偏差的个体参数估计时，Lasso 擅长为感兴趣的因素提供信息，包括 Lasso，因为它是一种惩罚回归技术，试图通过将模型系数缩小到零来拟合更好的模型，结果估计是有偏差的。 Lasso 对于大型数据集特别有用，其中共线性通常是一个问题并且 f或相关性很小的小数据集，包括设计的实验。 套索可用于获得更好的预测模型或为模型简化或未来研究选择变量。
如有疑问，请考虑创建多个模型并使用 JMP Pro 中提供的模型比较来比较模型。
预测建模和机器学习
