如何選擇獨立參數以優化迴歸模型大家好，
目前，我對迴歸模型還比較陌生。我嘗試使用 Fit 模型來創建回歸模型。這樣做的目的是為了根據歷史資料篩選出異常資料點。例如，我有一個歷史資料集，並基於該資料集建立了模型。模型建立後，我嘗試預測輸出，並比較預測值和實際值之間的差異。殘差越大，此資料點異常的可能性越高。
在進行模型擬合的過程中，我發現選擇不同的參數會產生不同的結果。獲得模型後，我嘗試查看學生化殘差較高的數據點，並驗證它們是否有效。我需要反覆嘗試選擇參數才能獲得合適的模型。下面我們來看一個例子。
模型 1：
模型 2：
如您所見，與模型 1 相比，模型 2 有許多資料點具有較高的學生化殘差。當我驗證這些具有較高學生化殘差的資料點時，這些資料點被歸類為「不良」資料點。看來模型 2 更穩健。
我的問題是，儘管兩個模型的 R 平方值都很高，為什麼模型 2 可以篩選掉更多的不良資料點？這可能是因為我為創建模型選擇的參數所造成的。
問題：
-如果我將資料集新列中的資料點分類為好/壞，JMP 中是否有任何方法可以建議我應該選擇哪些參數，以便模型能夠更穩健地篩選出壞的資料點？
-如果我不對資料點進行分類，JMP 中是否有任何方法可以建議我應該選擇哪些參數，以便模型能夠更穩健地篩選出壞資料點？
希望我能從社區獲得一些建議。
感激
進階統計建模基礎資料分析與建模預測建模和機器學習
