開発者向けチュートリアル：JMPProの一般化回帰を使用して観測データをよりよく理解する観測データは、大規模なデータセット、おそらく直交性を示さないデータ、および解釈ではなく予測に関心がある状況に役立つ分析に役立ちます。Generalized Regressionプラットフォームは、計画された実験と観測データの両方の回帰モデルを構築する場所です。覚えておくべきいくつかのこと：
1）ペナルティ付き回帰は、観測データに大きな期待を示しています。
2）効果遺伝はおそらく必要ありません。
3）十分なデータがある場合はホールドアウトセットを使用し、そうでない場合はAICcを使用します。
方法を参照してください：
- 見積もりに関連する背景原則と考慮する必要性を理解します。
- 推定値が真実からどれだけ離れている傾向があるか（バイアス）
- 推定値の変動性（分散）
- バイアスと分散の原理を組み合わせて、推定量の平均二乗誤差でどのように測定できるか
- ペナルティ付き回帰手法（リッジ、ラッソ、エラスティックネット、アダプティブラッソ、ダブルラッソ、ダンツィーグセレクター）を理解する
- JMPProでEffectHeredityがどのように処理されるかをご覧ください
- グリッド制御オプションを選択します
- 強制条件、早期打ち切り、情報不足を使用する
資力
予測モデリングと機械学習Re：開発者向けチュートリアル：JMPProの一般化回帰を使用して観測データをよりよく理解する@ H2OSUPプレゼンテーションがお役に立ててうれしいです！ 正解です。予測子の1つに値がない場合、デフォルトの動作では、genregはそのデータ行全体を無視します。
ただし、Fit Modelの「InformativeMissing」オプションを使用すると、これを回避する方法があります。 これは、Fit Modelモデル仕様ダイアログ（下のスクリーンショット）の赤い三角形メニューにあります。 簡単に言うと、このオプションでは、欠落している値に平均代入を使用し、モデルに欠落していることを示すインジケーターを追加します。 しかし、詳細については、ジョン・サルが書いていますブログ投稿有益な欠落オプションについて。
Re：開発者向けチュートリアル：JMPProの一般化回帰を使用して観測データをよりよく理解する@clay_barker昨秋、チュートリアルをご紹介いただきありがとうございます。 あなたのプレゼンテーションはとても役に立ち、よくできていると思いました。 GENREGがデータセット内の欠落しているセルをどのように処理するかについて質問があります。 入力に1つのセルが欠落している場合、GENREGは分析で行全体を除外しますか？ 他の入力に欠測値がある場合、GENREGに、行に欠測されていない入力を含むモデルの行が含まれるかどうか疑問に思っています。 ありがとう、マイク。
