Colonne de validationJe travaille sur une régression logistique dans jmp pro. En utilisant l'option de colonne de validation, l'ensemble de données est divisé en une partie fixe de formation et de validation (je n'ai utilisé aucun ensemble de test); Je comprends que la validation de retenue est utilisée? Est-il également possible de choisir la validation croisée?
Re: Colonne de validationOui, la colonne de validation est un moyen de définir des ensembles d'exclusion pour la formation, la validation et les tests.
L'utilisation des ensembles de rétention est une validation croisée. Si vous entendez une autre façon de définir des ensembles de blocage, comme la validation croisée K-fold dans le cas de petits ensembles de données, elle n'est pas disponible dans les plates-formes Logistique nominale ou Logistique ordinale. Il est disponible dans le plan de lancement du modèle une fois que vous avez lancé la régression généralisée.
Re: Colonne de validationSalut Marc, pense qu'il y a une confusion, laisse-moi vérifier:
J'ai compris que la validation croisée est comme K-means & Jack Knife où toutes les données sont utilisées dans le processus de validation et sont utilisées pour construire le modèle basé sur la validation cyclique interne. Dans ce cas, un ensemble de test est nécessaire pour vérifier les performances du modèle sur les nouvelles données.
La validation de retenue retient une fraction de l'ensemble de données qui est utilisé pour valider les performances du modèle.Par conséquent, comme les données de la retenue ne contribuent pas à la construction du modèle ici, un ensemble de test n'est pas requis, non?
Re: Colonne de validationJe sais qu'il y a confusion. K-Means est une méthode d'apprentissage supervisé pour s'adapter aux grappes. Jack-knife est une technique permettant d'estimer l'erreur standard indépendamment du modèle. L'évaluation honnête est une approche pour sélectionner et évaluer parmi les modèles candidats au lieu d'observations futures. La validation croisée est généralement utilisée pour une évaluation honnête. La validation croisée est généralement réalisée soit en présentant des sous-ensembles de données (cas de grands ensembles de données), soit par validation croisée en K (cas de petits ensembles de données).
Voir Hastie, Trevor, Robert Tibshirani et Jerome Friedman, " Elements of Statistical Learning: Data Mining, Inference, and Prediction, deuxième édition , "Springer. Voir Section 7.10: Validation croisée .
Re: Colonne de validationDans ma réponse ci-dessus, je voulais dire Kfold pas K signifie ..
Je suis donc allé à la régression généralisée, j'ai fait une colonne de validation et sélectionné Kfold - 5 plis. Quelle estimation de modèle utiliser pour mon ajustement logistique nominal (trois facteurs continus): lasso, filet élastique ..? Existe-t-il une règle d'or pour sélectionner la méthode d'estimation?
Re: Colonne de validationLes options sont une question de préférence personnelle. Le lasso est destiné à la sélection de variables. Elastic Net est donc également utilisé pour la sélection des variables. La crête sert à réduire les estimations pour éviter un ajustement excessif.
le Méthodes d'estimation pénalisées sont documentés dans l'aide JMP.
