预测模型比较 - 线性回归和神经网络我正在使用 JMP PRO 16 来验证有限元模拟的数据结果。 我想同时利用线性回归模型和神经网络模型并进行比较。 对于线性回归模型，我发现需要进行变量转换才能满足线性、残差正态性和恒定方差的假设。 变换是两个预测变量的平方项和响应变量以 10 为底的对数。 这在线性回归中给出了可接受的结果。
当我在神经网络上对相同的数据进行建模时，我是否需要在开始建模之前对预测变量和响应变量强制执行相同的转换？
斯里库马尔
分析回复：预测模型比较 - 线性回归和神经网络与回归模型类似，对神经网络模型的响应进行归一化也是一个好主意，以便在响应值范围内获得最佳学习结果。由于 JMP 的神经网络平台具有使用 sigmoid 和高斯节点的非线性激活节点，因此线性化因素不太重要。
回复：预测模型比较 - 线性回归和神经网络感谢您的及时回复。 我也会对神经网络进行相应的处理
斯里库马尔
回复：预测模型比较 - 线性回归和神经网络你比较的依据是什么？ 如果您对模型有不同的响应，则不能使用 AICc。
您如何验证每个模型的选择？
