预测刻画器和意愿函数大家好，
JMP 专业版 16.1.0。
我正在使用 Prediction Profiler 对模型调整进行一些验证，并且想知道是否有一种方法可以“欺骗”合意性函数来做一些他们并非真正设计要做的事情。 通过合意性的标准设置，您可以选择最大化、匹配目标、最小化或无。
在模型调优过程中，我记录了训练和验证的 R^2 值，以及两者之间的差异。 当模型调整时，我尝试寻找的一件事是参数设置，不仅可以最大化 R^2 用于训练和验证，而且可以最小化两者之间的差异。 例如，如果我有一个 R^2 训练为 0.4 且 R^2 验证为 0.35 的模型，比它的 R^2 训练为 0.7 且 R^2 验证为 0.25 更好。 即，训练集和验证集彼此越接近，即使较小的集往往在我的情况下表现更好。
问题在于，使用 Prediction Profiler，如果您将训练和验证 R^2 都设置为最大化和最小化差异，则分析器建议的设置会导致训练 R^2 为 0.6，验证 R^2 为 0.2 左右。 不是我所追求的。
我真正希望 Profiler 做的是尝试收敛训练和验证 R^2，这些 R^2 彼此尽可能接近，同时也尽可能大，以便在保持大 R 的同时最小化差异^2 值。 不幸的是，改变诸如重要性（0 到 1）或目标之类的东西并不能真正实现我所追求的。
如果有人知道如何让 Profiler 执行此类操作的技巧，那将是很高兴知道的。 或者，如果不可能，它可能是一个非常好的新功能，能够指导 Profiler 尝试收敛两个响应，同时最大化（或最小化）它们。
谢谢！，
DS
分析回复：预测刻画器和意愿函数您正在正确使用 Profiler 和 Desirability Functions。 使用 desiriability = (0,1) 并没有错，但您可以尝试使用 1 来最大化，使用 2 来表示差异，看看这是否能让您更接近您想要的。 函数的定义（限制、重要性）是告诉分析器你在追求什么的关键。
也就是说，不能保证你会得到你想要的！
回复：预测刻画器和意愿函数我猜你并不关心 R2 的差异是 0.01 还是 0.1，但随着它超过某个阈值，你会逐渐关心它。 您可以尝试将 R2 差异设为一个公式，该公式在低于某个值时是平坦的，然后随着超出该限制而逐渐减小，或者您可以设置意愿函数来描述这一点。我经常在多元模型中使用 T2 度量来做后者。您可以在下面链接的视频中跳到大约 16:30 看到一个例子。
优化多元模型：从数据收集到最佳条件和评分模型 (2021-US-45MP-927)
回复：预测刻画器和意愿函数您还可以更改合意性图形的形状，以表明更大的差异是更大的惩罚。 它不必与中心的中间值成线性关系。
注意：您可以在函数图的图中控制单击（Windows）或命令单击（macOS），并在尝试不同方案时快速更改值。 我建议不要更改合意性，而仅更改响应级别 将中心值移向一端以使其成为非线性。
回复：预测刻画器和意愿函数你好@markbailey和@ih ,
@markbailey ，您的第一个回复是“让它工作”。 不幸的是，这不是一个自动优化过程，因此它不会迭代地找到最佳条件。 尽管如此，手动更改每个响应的相对重要性当然很容易。
综合利用您的建议和@ih事实证明，他的建议更符合我认为最终我希望它做的事情。 对意愿函数只有很多手动调整——要么手动更改数字，要么移动图表中的小方框。 如果能有一种更自动化且主观性稍差的方法来实现我的最终目标，那就太好了。
@ih你是部分正确的，我不在乎 R2 Diff 是 0.01 还是 0.1，但是，如果我的 R2 Diff 为 0.1，我的训练 R2 是 0.8，我的验证 R2 是 0.7，我更喜欢 R2如果我的训练为 0.31，而我的验证为 0.3，则差异为 0.01。 在实践中，我的数据集往往更像后者而不是前者——我希望我的两个 R2 分别高达 0.8 和 0.7！
混合这两个建议给了我很多玩，只是希望是少一点主观。
感谢您的反馈！，
DS
