Sehr geehrte Damen und Herren, ich habe eine Frage zur Optimierungsmethode, die für das gemischte Modell in JMP/JMP Pro verwendet wird
Normalerweise haben gemischte lineare Modelle keine Lösung in geschlossener Form; Daher benötigen sie eine numerische Methode, um angepasst zu werden – einige der bekannten Methoden sind die folgenden:
- Newton-Raphson
- Broyden-Fletcher-Goldfarb-Shanno (besser bekannt als BFGS)
- LBFGS (eine speichereffiziente Implementierung von BFGS)
- Powell
- Beckenhüpfen
- Newton-konjugierter Gradient
Kennt jemand die spezifische Methode, die JMP und JMP Pro verwenden, um die Anpassung des linearen gemischten Modells zu implementieren?
