如何选择独立参数以优化回归模型大家好，
目前，我对回归模型还比较陌生。我尝试使用 Fit 模型来创建回归模型。这样做的目的是为了根据历史数据筛选出异常数据点。例如，我有一个历史数据集，并基于该数据集创建了模型。模型建立后，我尝试预测输出，并比较预测值和实际值之间的差异。残差越大，该数据点异常的可能性就越高。
在进行模型拟合的过程中，我发现选择不同的参数会产生不同的结果。获得模型后，我尝试查看学生化残差较高的数据点，并验证它们是否有效。我需要反复尝试选择参数才能获得合适的模型。下面我们来看一个例子。
模型 1：
模型 2：
如您所见，与模型 1 相比，模型 2 有许多数据点具有较高的学生化残差。当我验证这些具有较高学生化残差的数据点时，这些数据点被归类为“不良”数据点。看来模型 2 更稳健。
我的问题是，尽管两个模型的 R 平方值都很高，为什么模型 2 能筛选掉更多的不良数据点？这可能是因为我为创建模型选择的参数造成的。
问题：
-如果我将数据集新列中的数据点分类为好/坏，JMP 中是否有任何方法可以建议我应该选择哪些参数，以便模型能够更稳健地筛选出坏的数据点？
-如果我不对数据点进行分类，JMP 中是否有任何方法可以建议我应该选择哪些参数，以便模型能够更稳健地筛选出坏数据点？
希望我能从社区获得一些建议。
感激
高级统计建模基础数据分析与建模预测建模和机器学习
