使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证你好，
是否可以在 JMP 中使用 k 折交叉验证与 bootstrap 森林模型和标准最小二乘回归？
我已经用神经网络模型完成了k折交叉验证，并且我正在寻找一些可以使用相同交叉验证的方法，以便我可以进行模型比较。
谢谢。
回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证谢谢， @russ_wolfinger 。 今天玩了XGBoost，连续响应。 非常感谢您发出的邀请。 随后，我了解如何处理明确的响应并在所提供的字段中给出最终反馈。
实际上，谈到 K 折交叉验证，我指的是 JMP Pro 中的一个弱点：它不显示折叠的内容。 像这样： https://en.wikipedia.org/wiki/Cross-validation_（统计） 。 脚本编写不是我的强项，所以我只能依靠JMP中的开发人员提供这样的选项。
我可能不明白你为什么输出必须是巨大的。 通常，它表示为折叠列表，最后是指标（R2、RASE、AIC 等）的平均值。 如果我错了，请纠正我。
非常感谢！
麦克风
回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证你好@纳扎尔科夫斯基，新的模型筛选平台提供了 k 折叠和嵌套 k 折叠的折叠细分，正如您可能猜到的那样，输出可能会变得庞大。在 XGBoost 加载项中，结果仍会汇总所有折叠，但对于任何模型，红色三角形 > 保存预测公式都会在表中生成折叠成员资格和相应的折叠内或折叠外预测的列。建议获取最新的 JMP 16 Pro 早期采用者来尝试新功能，我们非常感谢您的反馈，因为我们将继续沿着这些方向进行增强。
回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证亲爱的沃尔芬格先生，
这个问题也让我担心，因为我是 JMP Pro15 用户，并且在所有模型的 K 折交叉验证部分中看到了一些需要调整的内容。 特别是，JMP 还没有可视化折叠的重要选项，但仅显示其平均准确度 (R2)，而没有显示每个折叠的详细信息。 例如，我将运行 5 倍验证，并希望查看 4 倍的列表 + 它们的平均值以及指标（R2、AUC、AIC、RASE 等）。 如果有带有此选项的加载项，请告诉我，因为这在处理小型数据集时非常重要。 多谢回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证谢谢总结。 那么，在 JMPpro 中使用引导森林，k 折交叉验证是不必要的或不可能的吗？
当您有二元结果时创建验证列时，您会选择分层随机、按组统计还是分组随机方法？
回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证需要补充的是，我们正在试验一种新的自动化方法，在 JMP Pro 的新 XGBoost 插件中执行 k 倍 cv。如果您可以访问 JMP Pro 15 并想尝试早期采用者版本，请告诉我。此外，我们暂时计划在 Discovery 慕尼黑的 JMP 实验室中通过 JMP Pro 16 Early Adopter 提供该插件。
回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证正如我在关于同一主题的其他讨论中提到的，您可以考虑在所有候选模型中使用 AICc。 JMP Pro 还提供模型比较平台来帮助您。
回复：使用 bootstrap 森林模型和标准最小二乘回归进行 k 折交叉验证我在网站上找到了我的问题的答案： https://learning.oreilly.com/library/view/Building+Better+Models+with+JMP+Pro/9781629599564/xhtml/Chapter08.xhtml#_Toc423436241 。
