非线性平台自定义损失函数-收缩估计我想尝试使用非线性平台进行非线性模型拟合，使用自定义损失函数进行收缩参数估计，这与回归的 LASSO 损失函数类似。
例如，如果我有这个非线性模型（名为“NLFunction”，其中a ， g ， c和茨作为模型中的参数）
我想使用这样的损失函数
这有点类似于 Lasso 损失函数。其思想是稍微“缩小”参数估计值，以便找到更好的模型拟合，并使模型拟合不那么病态。
我认为 我可以通过在启动对话框中指定损失函数来手动执行此操作，但不确定它是否按照我想要的方式实际使用损失函数。
如果我运行它，它确实会运行并给出结果，但是从分析中保存脚本不会返回我指定的手动损失函数。
如果这可行并且允许在非线性模型拟合中进行收缩估计，有人能给出意见吗？
高级统计建模自动化和脚本回复：非线性平台自定义损失函数 - 收缩估计你好@MathStatChem ，
我猜你已经阅读过有关自定义损失函数的统计细节的文档了？
查看泊松损失函数的示例，似乎在启动模型时应该在“损失”参数中使用自定义损失函数：
在分析窗口打开的时候就可以查看是否直接使用自定义的损失函数：
我无法深入探讨该主题，因为可能没有足够的信息/结果/数据来重现分析并为您提供帮助。您是否尝试过运行没有自定义损失函数的非线性建模？结果有多相似/不同？
我对你创建的自定义损失函数没有任何意见，我只是觉得在非线性建模的情况下使用系数的“线性惩罚”很奇怪：你试图以相同的方式减小系数的大小，无论这些系数的相对大小如何，如果这些系数是指数函数或线性函数的一部分，则可能会有很大不同。也许考虑使用这些系数并使用非线性惩罚（使用 |a|、exp/ln(g)，...）会有所帮助？
希望这些想法能对你有所帮助，
回复：非线性平台自定义损失函数 - 收缩估计我读过文档，也广泛使用过该平台，但对使用自定义损失函数不太熟悉。根据我尝试和试验的情况，我认为我的问题的答案是“不”，你不能这样做。我认为这是因为自定义损失函数可以是模型中已有参数的函数，但我对此不确定。
这样做的动机是，对于非线性模型，参数估计往往高度相关，而目标（损失）函数在找到最佳损失的区域中可能非常平坦，这使得算法很难收敛。我想我真正想做的是更类似于岭回归的东西，其中添加到 SSE 的惩罚是参数估计平方和的倍数。
回复：非线性平台自定义损失函数 - 收缩估计我联系了 JMP 技术支持，他们分享了一种实现此目的的方法。我没有意识到，当您使用非线性时，只需在底部提供损失函数即可拟合非线性模型，而无需将任何列放入角色中。这样，您会在平台中失去一些功能（例如无法绘制图表，无法使用剖析器），但您可以进行参数估计。因此，使用自定义损失函数（如上所示）是可行的。
