使用 bootstrap 森林模型和標準最小平方法回歸進行 k 折交叉驗證你好，
是否可以在 JMP 中使用 k 折交叉驗證與 bootstrap 森林模型和標準最小二乘回歸？
我已經用神經網路模型完成了k折交叉驗證，我正在尋找一些可以使用相同交叉驗證的方法，以便我可以進行模型比較。
謝謝。
回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證謝謝， @russ_wolfinger 。 今天玩了XGBoost，連續回應。 非常感謝您發出的邀請。 隨後，我了解如何處理明確的回應並在所提供的欄位中給予最終回饋。
實際上，談到 K 折交叉驗證，我指的是 JMP Pro 中的一個弱點：它不顯示折疊的內容。 像這樣： https://en.wikipedia.org/wiki/Cross-validation_（統計） 。 腳本編寫不是我的強項，所以我只能依賴JMP中的開發人員提供這樣的選項。
我可能不明白你為什麼輸出必須是巨大的。 通常，它表示為折疊列表，最後是指標（R2、RASE、AIC 等）的平均值。 如果我錯了，請糾正我。
非常感謝！
麥克風
回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證你好@納扎爾科夫斯基，新的模型篩選平台提供了 k 折疊和嵌套 k 折疊的折疊細分，正如您可能猜到的那樣，輸出可能會變得龐大。在 XGBoost 加載項中，結果仍會匯總所有折疊，但對於任何模型，紅色三角形 > 保存預測公式都會在表中產生折疊成員資格和相應的折疊內或折疊外預測的列。建議獲取最新的 JMP 16 Pro 早期採用者來嘗試新功能，我們非常感謝您的回饋，因為我們將繼續沿著這些方向進行增強。
回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證親愛的沃爾芬格先生，
這個問題也讓我擔心，因為我是 JMP Pro15 用戶，並且在所有模型的 K 折交叉驗證部分中看到了一些需要調整的內容。 特別是，JMP 還沒有可視化折疊的重要選項，但僅顯示其平均準確度 (R2)，而沒有顯示每個折疊的詳細資訊。 例如，我將運行 5 倍驗證，並希望查看 4 倍的清單 + 它們的平均值以及指標（R2、AUC、AIC、RASE 等）。 如果有帶有此選項的加載項，請告訴我，因為這在處理小型資料集時非常重要。 多謝回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證謝謝總結。 那麼，在 JMPpro 中使用引導森林，k 折交叉驗證是不必要的或不可能的嗎？
當您有二元結果時建立驗證列時，您會選擇分層隨機、按組統計量還是分組隨機方法？
回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證需要補充的是，我們正在試驗一種新的自動化方法，在 JMP Pro 的新 XGBoost 插件中執行 k 倍 cv。如果您可以造訪 JMP Pro 15 並想嘗試早期採用者版本，請告訴我。此外，我們暫時計劃在 Discovery 慕尼黑的 JMP 實驗室中透過 JMP Pro 16 Early Adopter 提供該插件。
回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證正如我在關於同一主題的其他討論中提到的，您可以考慮在所有候選模型中使用 AICc。 JMP Pro 也提供模型比較平台來幫助您。
回覆：使用 bootstrap 森林模型和標準最小平方法迴歸進行 k 折交叉驗證我在網站上找到了我的問題的答案： https://learning.oreilly.com/library/view/Building+Better+Models+with+JMP+Pro/9781629599564/xhtml/Chapter08.xhtml#_Toc423436241 。
