預測模型比較 - 線性回歸和神經網絡我正在使用 JMP PRO 16 來驗證有限元模擬的數據結果。 我想同時利用線性回歸模型和神經網絡模型並進行比較。 對於線性回歸模型，我發現需要進行變量轉換才能滿足線性、殘差正態性和恆定方差的假設。 變換是兩個預測變量的平方項和響應變量以 10 為底的對數。 這在線性回歸中給出了可接受的結果。
當我在神經網絡上對相同的數據進行建模時，我是否需要在開始建模之前對預測變量和響應變量強制執行相同的轉換？
斯里庫馬爾
分析回复：預測模型比較 - 線性回歸和神經網絡與回歸模型類似，對神經網絡模型的響應進行歸一化也是一個好主意，以便在響應值範圍內獲得最佳學習結果。由於 JMP 的神經網絡平台具有使用 sigmoid 和高斯節點的非線性激活節點，因此線性化因素不太重要。
回复：預測模型比較 - 線性回歸和神經網絡感謝您的及時回复。 我也會對神經網絡進行相應的處理
斯里庫馬爾
回复：預測模型比較 - 線性回歸和神經網絡你比較的依據是什麼？ 如果您對模型有不同的響應，則不能使用 AICc。
您如何驗證每個模型的選擇？
