預測刻畫器和意願函數大家好，
JMP 專業版 16.1.0。
我正在使用 Prediction Profiler 對模型調整進行一些驗證，並且想知道是否有一種方法可以“欺騙”合意性函數來做一些他們並非真正設計要做的事情。 通過合意性的標准設置，您可以選擇最大化、匹配目標、最小化或無。
在模型調優過程中，我記錄了訓練和驗證的 R^2 值，以及兩者之間的差異。 當模型調整時，我嘗試尋找的一件事是參數設置，不僅可以最大化 R^2 用於訓練和驗證，而且可以最小化兩者之間的差異。 例如，如果我有一個 R^2 訓練為 0.4 且 R^2 驗證為 0.35 的模型，比它的 R^2 訓練為 0.7 且 R^2 驗證為 0.25 更好。 即，訓練集和驗證集彼此越接近，即使較小的集往往在我的情況下表現更好。
問題在於，使用 Prediction Profiler，如果您將訓練和驗證 R^2 都設置為最大化和最小化差異，則分析器建議的設置會導致訓練 R^2 為 0.6，驗證 R^2 為 0.2 左右。 不是我所追求的。
我真正希望 Profiler 做的是嘗試收斂訓練和驗證 R^2，這些 R^2 彼此盡可能接近，同時也盡可能大，以便在保持大 R 的同時最小化差異^2 值。 不幸的是，改變諸如重要性（0 到 1）或目標之類的東西並不能真正實現我所追求的。
如果有人知道如何讓 Profiler 執行此類操作的技巧，那將是很高興知道的。 或者，如果不可能，它可能是一個非常好的新功能，能夠指導 Profiler 嘗試收斂兩個響應，同時最大化（或最小化）它們。
謝謝！，
DS
分析回复：預測刻畫器和意願函數您正在正確使用 Profiler 和 Desirability Functions。 使用 desiriability = (0,1) 並沒有錯，但您可以嘗試使用 1 來最大化，使用 2 來表示差異，看看這是否能讓您更接近您想要的。 函數的定義（限制、重要性）是告訴分析器你在追求什麼的關鍵。
也就是說，不能保證你會得到你想要的！
回复：預測刻畫器和意願函數我猜你並不關心 R2 的差異是 0.01 還是 0.1，但隨著它超過某個閾值，你會逐漸關心它。 您可以嘗試將 R2 差異設為一個公式，該公式在低於某個值時是平坦的，然後隨著超出該限製而逐漸減小，或者您可以設置意願函數來描述這一點。我經常在多元模型中使用 T2 度量來做後者。您可以在下面鏈接的視頻中跳到大約 16:30 看到一個例子。
優化多元模型：從數據收集到最佳條件和評分模型 (2021-US-45MP-927)
回复：預測刻畫器和意願函數您還可以更改合意性圖形的形狀，以表明更大的差異是更大的懲罰。 它不必與中心的中間值成線性關係。
注意：您可以在函數圖的圖中控制單擊（Windows）或命令單擊（macOS），並在嘗試不同方案時快速更改值。 我建議不要更改合意性，而僅更改響應級別 將中心值移向一端以使其成為非線性。
回复：預測刻畫器和意願函數你好@markbailey和@ih ,
@markbailey ，您的第一個回復是“讓它工作”的回复。 不幸的是，這不是一個自動優化過程，因此它不會迭代地找到最佳條件。 儘管如此，手動更改每個響應的相對重要性當然很容易。
綜合利用您的建議和@ih事實證明，他的建議更符合我認為最終我希望它做的事情。 對意願函數只有很多手動調整——要么手動更改數字，要么移動圖表中的小框。 如果能有一種更自動化且主觀性稍差的方法來獲得我的最終目標，那就太好了。
@ih你是部分正確的，我不在乎 R2 Diff 是 0.01 還是 0.1，但是，如果我的 R2 Diff 為 0.1，我的訓練 R2 是 0.8，我的驗證 R2 是 0.7，我更喜歡 R2如果我的訓練為 0.31 並且我的驗證為 0.3，則差異為 0.01。 在實踐中，我的數據集往往表現得更像後者而不是前者——我希望我的兩個 R2 分別高達 0.8 和 0.7！
混合這兩個建議給了我很多東西，只是希望少一點主觀。
感謝您的反饋！，
DS
