JMP 中的回歸函數JMP 中是否有任何預先存在的函數可用於透過 X 擬合 Y 或擬合曲線平台執行的某些迴歸？
對於我的大部分程式碼，當我需要 3P 或二階多項式等參數時，我將使用 BY 變數呼叫 JMP 中的平台，然後「建立組合資料表」。然而，一個缺點是 JMP「需要」渲染圖形才能取得資料表...
好吧，對於較大的數據，BY 變數太大，JMP 要么死掉，耗盡RAM，要么在嘗試執行此操作時出現其他問題（我的一個較大的集合有一個包含大約40k 唯一值的BY變數）。
一種「修復」方法是刪除 by，並在 FOR 迴圈中分別為每個資料集呼叫平台。我不確定這是否會更快......理想情況下，我可以創建一個矩陣或一系列矩陣並快速獲取每組資料的參數。這可以編碼到 JSL 層函數中，但如果函數存在於 JMP 中，開銷會得到更好的控制...
總結一下：
1) JMP 是否有任何現有函數可以計算基本線性迴歸以外的參數係數
2) 如果沒有，是否有更好的方法可以在目前的 JMP 平台內實現我的目標？
3）人們是否有JSL函數可以進行各種迴歸並傳回係數
謝謝！
消費者與市場研究數據探索和視覺化回复：JMP 中的回歸函數我沒有@Dan_Obermiller這也是個好主意！
回复：JMP 中的回歸函數您是否考慮過以最小報告為重點使用擬合模型？ 那裡沒有要渲染的圖形。
回复：JMP 中的回歸函數@txnelson是的，我過去玩過這個，讓表格不可見似乎並沒有使報告不可見或私有...... 我認為將報告私有化也可以避免渲染圖形的開銷。
回复：JMP 中的回歸函數我應該明確說明，我不知道創建所需多項式或 3P 參數的直接函數。我建議直接從“不可見”輸出中獲取結果，這是一個減少創建輸出數據表的內存需求的建議。
回复：JMP 中的回歸函數感謝大家到目前為止的評論。 讓我試著澄清一些。 基本上，我有一個包含 ~40k 子集的數據集。 通常，為了獲得回歸參數，我會選擇擬合曲線或通過 X 擬合 Y，並在平台中使用 BY 變量將圖形分解為子集，然後擬合我的線（在本例中為二階多項式，但其他時候為3P）。 據我所知，Fit Curve 和 Fit Y by X 需要渲染所有圖形來創建線條並保存參數，開銷很大。
我不確定是否有一種方法可以在不渲染圖形的情況下做這種事情——就像一個獨立的函數，它只從所需的擬合中產生參數。
回复：JMP 中的回歸函數非線性平台可以擬合可自由定義公式的參數。
請查看相應的文檔。
回复：JMP 中的回歸函數與其強制 JMP 根據顯示輸出創建數據表，我發現很多時候直接轉到感興趣的表並提取各個值更容易。該技術可用於通過 By 子句生成所有輸出，然後通過顯示，或者通過一次生成一個顯示，提取您想要的內容，將其保存到表格、列表或矩陣，以及然後關閉輸出並繼續下一個回歸。
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/semiconductor capability.jmp" );
biv = dt << Bivariate(
invisible,
Y( :NPN1 ),
X( :PNP1 ),
Fit Special( Degree( 2 ), Centered Polynomial( 0 ), {Line Color( "Medium Dark Red" )} ),
by( :site ) // Where( :SITE == 1 )
);
dtOut = New Table( "The Ouput",
New Column( "Name", character ),
New Column( "Intercept" ),
New Column( "Beta" ),
New Column( "Beta^2" )
);
dtOut << add rows( N Items( biv ) );
For( i = 1, i <= N Items( biv ), i++,
dtOut:Name[i] = Word( -1, Report( biv[i] )[Outline Box( 1 )] << get title, " " );
values = (Report( biv[i] )["Parameter Estimates"][Number Col Box( 1 )]) << get;
dtOut:Intercept[i] = values[1];
dtOut:Beta[i] = values[2];
dtOut:Name( "Beta^2" )[i] = values[1];
);
biv << close window;
回复：JMP 中的回歸函數呼應@P_Bartell對數據建模有很多選擇。 關於#2，不明白你的目的是什麼？ 聽起來您想創建 >1 階多項式。 這是來自觀察數據還是來自實驗？ 我不明白你說“我將使用 BY 變量調用 JMP 中的平台 " ? 什麼平台？
不是好戰，但你確實知道線性回歸被稱為的原因線性的是因為係數是線性的，而不是模型中的項。
回复：JMP 中的回歸函數您的原始帖子中有許多令人困惑或不清楚的地方。 因此，我不會解析它們，而是將我的評論集中在問題 #1 上。 答：是的。 您看過 JMP 文檔了嗎？ JMP 中確實有許多回歸和非回歸方法……從老式的普通最小二乘法到更優雅/靈活的一般線性模型，再到完全基於非線性/非回歸的方法，例如分區和神經網絡平台.
