開發者教學：使用 JMP Pro 廣義迴歸更好地理解觀測數據觀測資料非常適合用於分析大型資料集，這些資料可能不具備正交性，而且我們更關注的是預測而非解釋。廣義迴歸平台可用於建立針對設計實驗和觀測資料的迴歸模型。以下幾點要注意：
- 懲罰回歸在觀測資料方面展現出巨大的潛力。
- 效應遺傳可能並非必要條件。
- 如果資料足夠，則使用保留集；否則，使用 AICc。
看看如何：
- 了解與估算相關的基本原理與需要考慮的因素：
- 估計值與事實值之間的偏差有多大？
- 估計值的變異程度（變異數）
- 偏差和方差原理如何結合起來可以透過估計量的均方誤差來衡量。
- 理解懲罰回歸技術（嶺回歸、Lasso回歸、彈性網路回歸、自適應Lasso回歸、雙重Lasso回歸、Dantzig選擇器）
- 了解 JMP Pro 如何處理效應遺傳
- 選擇網格控制選項
- 使用強制術語、提前停止和資訊缺失
資源
預測建模和機器學習
