非線形対フィット曲線は異なる結果をもたらしますか？こんにちは-「非線形」または「フィットカーブ」オプションのいずれかを実行すると、同じ結果になるはずです（JMP15.0）。 モデルライブラリの組み込みの4パラメーターロジスティックモデルを使用して、ひずみごとにさまざまな変数を適合させようとしています（「ひずみ」はさまざまな遺伝的背景の数です）。
一部の株では、「フィットカーブ」と「非線形」アプローチで同じ結果が得られますが、一部の株では、「非線形」アプローチではデータが正しくフィットしません。 初期の開始パラメーターが（目で）最適に非常に近いことを確認しましたが、それが機能しない株については、まったく適合しないか、どこから遠く離れた答えに収束するかのいずれかです。そのはず。 「警告：xx個のモデルがありません」というエラーメッセージが表示されますが、データが不足していることは間違いありません。 誰かがこれを修正してください（理想的にはスクリプトを使用せずに）、またはどこが間違っているのか教えてもらえますか？
どうもありがとう！
分析その他Re：異なる結果をもたらす非線形vsフィット曲線？Fit Curveプラットフォームが目的のモデルに適合する場合、なぜ非線形プラットフォームを使用するのでしょうか。
Fit Curveには、サポートする各モデルに関するヒューリスティックが含まれています。 一連のモデルでは使いやすく強力ですが、それ以外の点では柔軟性がありません。 ノンリニアプラットフォームはより強力で柔軟性がありますが、ヒューリスティックがないため、すべての詳細を処理するのはあなた次第です。 それがフィットカーブが作成された理由です。 それはあなたの負担を軽減します。
非線形回帰は、数値の最適化または検索手法です。 線形回帰のような閉じた形の計算ではありません。 最初のすべての詳細が同一であり、同じアルゴリズムとその実装が使用されていない限り、結果が正確に一致することを期待するべきではありません。
Re：異なる結果をもたらす非線形vsフィット曲線？回答ありがとうございます！
「FitCurveプラットフォームが目的のモデルに適合するのに、なぜNonlinearプラットフォームを使用するのですか？」
非線形プラットフォームは、適合させる変数がいくつかあり、各変数が複数のグループによって適合されている場合に、より速く使用できるためです。 非線形プラットフォームでは、モデルパラメータの信頼区間を計算することもできますが、フィットカーブでは計算できません。これは、出力の視覚化の一部としてCIを使用しているため、非常に便利です。
「最初のすべての詳細が同一であり、同じアルゴリズムとその実装が使用されていない限り、結果が正確に一致することを期待するべきではありません。」
いいよ。 しかし、結果は、非線形プラットフォームがすべての変数にわたって正しく適合しないグループの1つだけを除いて、2つのプラットフォーム間で正確に一致します（詳しく調べてみました）。 理由がわかりません-そのグループだけを含む新しいjmpファイルを作成して、そのように調整できるかどうかを確認しますが、可能であれば、そのグループの理由を理解したいと思います誤動作しています。 （データに関しては外れ値ではないので、他のグループと比較して最小値を見つけることから少し離れているわけではありません。）
再度、感謝します
Re：異なる結果をもたらす非線形vsフィット曲線？2つの異なるプラットフォームはほとんど異なる機能を持っています。 フィットカーブは、一般的なモデルをすばやくフィットさせたい場合に非常に便利です。非線形は、主流ではない研究論文で見つけたもののように、カスタム関数がある場合に便利です。パラメーター。
どちらのプラットフォームでもパラメーターを解くために使用される反復数値最適化は、最小二乗回帰を解く場合とはかなり異なります。 他の多くのソフトウェアは、非線形プラットフォームのようにすべてのレバーとボタンを提供するのではなく、隠された仮定の山を使用します。
Re：異なる結果をもたらす非線形vsフィット曲線？OK、最後のコメント。 非線形を新しいjmpファイルとして使用して、正しく適合しなかったグループを再保存すると（つまり、データを再インポートしないと）、すべて正常に機能するようになりました。 なぜこれが当てはまるのかわかりません-一部のサンプルについてのみ、一部の変数が破損する可能性はありますか？ -しかし、それは私が今前進する方法を持っていることを意味します。Re：異なる結果をもたらす非線形vsフィット曲線？こんにちは@Jake_b 、
ここでは、どのプラットフォームを使用するのが最適かについてはコメントしませんが、 @Byron_JMPそして@markbaileyはJMPの専門家なので、私は彼らが話していることに従います。 モデルのフィッティングに関して、各プラットフォームのアルゴリズムがわずかに異なっていてもそれほど驚かないので、それらが一致するかどうかに固執することはありません。 たとえば、理論的には、すべてのパラメータを適切に設定すれば、ブーストされたツリーとブートストラップフォレストプラットフォームの両方で同じ答えを得ることができるはずです。 ただし、基礎となるアルゴリズムが異なるため、実際の予測式は少し異なります。
好奇心から、非線形プラットフォームで使用できる理論モデル/式が実際にありますか、それともX、予測式に他の何かを使用していますか？
そうは言っても、いくつかの追加の手順はありますが、FitCurveプラットフォームから予測CIを取得できるはずです。 たとえば、Big Class.jmpファイルを取得し、Fit Curveプラットフォームで：weight by：heightをフィットさせると、予測式をデータテーブルに保存できます。 次に、Y x X（Y =実際、X =予測）で近似を行う場合、[線形近似]の横にあるドロップダウンホットボタンを使用して、[Indiv Confidence LimitFormula]を保存できます。これにより+が保存されます。 /-近似の95％信頼区間。 [グラフ]> [レガシー]> [オーバーレイプロット]に移動し、実際のCI、予測されたCI、および+/- 95％のCIを選択すると、次のような図が得られます。 ちなみに、私は：weightと：heightをFitCurveプラットフォームのロジスティック4Pモデルに適合させます。
したがって、Fit Curveプラットフォームを使用する方が理にかなっている場合は、これが少なくとも結果を視覚化できるようにする方法です。
少なくとも考えるべきことです。
DS
