开发者教程：使用 JMP Pro 广义回归更好地理解观测数据观测数据非常适合用于分析大型数据集，这些数据可能不具备正交性，并且我们更关注的是预测而非解释。广义回归平台可用于构建针对设计实验和观测数据的回归模型。以下几点需要注意：
- 惩罚回归在观测数据方面展现出巨大的潜力。
- 效应遗传可能并非必要条件。
- 如果数据足够，则使用保留集；否则，使用 AICc。
看看如何：
- 了解估算相关的基本原理和需要考虑的因素：
- 估计值与事实值之间的偏差有多大？
- 估计值的变异程度（方差）
- 偏差和方差原理如何结合起来可以通过估计量的均方误差来衡量。
- 理解惩罚回归技术（岭回归、Lasso回归、弹性网络回归、自适应Lasso回归、双重Lasso回归、Dantzig选择器）
- 了解 JMP Pro 如何处理效应遗传
- 选择网格控制选项
- 使用强制术语、提前停止和信息缺失
资源
预测建模和机器学习
