k-fache Kreuzvalidierung in Zeitreihen mit JMP / JMP PROIch möchte Bootstrap oder Boosted Trees verwenden, aber mit einer k-fachen Methode, wie ich sie in den Partitionsbäumen oder neuronalen Netzen verwende. Allerdings sehe ich nur die Option, eine Fix-Validierungsspalte hinzuzufügen.
Da ich mit Zeitreihen arbeite, können Zufallsstichproben nicht gut zur Anpassung an meine Modelle verwendet werden.
Darüber hinaus bin ich misstrauisch gegenüber der in JMP implementierten k-Faltung, da dort immer „Zufallsstichprobe“ steht.
Ich bin (zumindest) auf der Suche nach einer Sequenz wie dieser:
Und ich denke, JMP macht so etwas (bitte bestätigen):
Hier sind alle Optionen, die beste für meinen Fall wäre TimeSplit.
Irgendwelche Ideen oder Problemumgehungen?
Bei Verwendung neuronaler Netze und der Validierungsspalte handelt es sich bei den Ergebnissen um eine einfache Extrapolation. Testzeilen werden in dieser Schnittstelle ebenfalls nicht verwendet.
Ideen, wie man eine richtige k-Faltung für Bäume oder NN implementieren kann?
Betreff: k-fache Kreuzvalidierung in Zeitreihen mit JMP / JMP PROUnd wenn die Cutpointvalidation-Methode als Spalte zum Anpassen von Bäumen verwendet wird (empfohlen für Zeitreihen in JMP):
Betreff: k-fache Kreuzvalidierung in Zeitreihen mit JMP / JMP PROBestätigt: In JMP 14, K-fold, handelt es sich tatsächlich um eine Zufallsstichprobe, die k-mal durchgeführt wird.
