建模：什麼時候應該使用 JMP Pro PLS 而不是 Lasso？在許多情況下，兩者都值得嘗試。 當一個人需要帶有一些偏差的個體參數估計時，Lasso 擅長為感興趣的因素提供信息，包括 Lasso，因為它是一種懲罰回歸技術，試圖通過將模型係數縮小到零來擬合更好的模型，結果估計是有偏差的。 Lasso 對於大型數據集特別有用，其中共線性通常是一個問題並且 f或相關性很小的小數據集，包括設計的實驗。 套索可用於獲得更好的預測模型或為模型簡化或未來研究選擇變量。
如有疑問，請考慮創建多個模型並使用 JMP Pro 中提供的模型比較來比較模型。
預測建模和機器學習
