Die Frage zum Kurstest: Warum sollten Sie bei der prädiktiven Modellierung die Modellvalidierung verwenden?Liebe Kolleginnen und Kollegen,
Derzeit studiere ich bei " Statistisches Denken zur industriellen Problemlösung "und während des Quiz wurde eine Frage mit vier möglichen Antworten gestellt. Ich befürchte, dass die von der Quizoberfläche akzeptierte Antwort korrekt ist.
Die Frage ist:
Warum sollten Sie bei der prädiktiven Modellierung die Modellvalidierung verwenden?
Wähle eins:
- Verwenden Sie es, um sicherzustellen, dass Sie das richtige Modell haben.
- Verwenden Sie diese Option, um sicherzustellen, dass Ihr Modell gut auf neue Daten verallgemeinert werden kann.
- Verwenden Sie diese Option, um sicherzustellen, dass Sie die wichtigste Variable identifizieren können.
- Sie müssen die Modellvalidierung bei der prädiktiven Modellierung nicht verwenden.
Ich habe 1 ausgewählt, da eine Validierung erforderlich ist, um zu verstehen, ob ein Modell angemessen ist (z. B. keine Überanpassung), bevor neue Testdaten für die endgültige Entscheidung eingeführt werden. Die richtige Antwort lautet jedoch 2. Es sieht ziemlich zweifelhaft aus, da 2 mehr mit Testdaten zusammenhängt, was der nächste Schritt nach der Validierung ist.
Bitte korrigieren Sie mich, wenn ich falsch liege, und geben Sie mir eine Klarstellung.
Vielen Dank!
AndereBetreff: Die Frage zum Kurstest: Warum sollten Sie bei der prädiktiven Modellierung die Modellvalidierung verwenden?In Antwort 1 geht es um die Bestätigung des Modells mit neuen empirischen Daten. Sie machen eine Vorhersage, normalerweise dort, wo keine vorherige Beobachtung gemacht wurde. Sie beobachten dann, ob die zukünftige Beobachtung mit der Vorhersage übereinstimmt. In Antwort 2 geht es um Verallgemeinerung, das heißt, Sie haben den Lernsatz nicht übertrieben. Eine ehrliche Bewertung durch Kreuzvalidierung ist eine akzeptable Methode zur Überprüfung der Generalisierung.
Betreff: Die Frage zum Kurstest: Warum sollten Sie bei der prädiktiven Modellierung die Modellvalidierung verwenden?Sehr geehrter Herr Bailey,
Vielen Dank für Ihre Aufmerksamkeit.
Diese Optionen - 1 und 2 - geben jedoch keine offensichtlichen Antworten auf die Frage. Als Anfänger mit JMP und maschinellem Lernen würde ich annehmen, dass beide Antworten im Modellvalidierungskonzept berücksichtigt werden können.
Stimmen Sie als Spezialist zu?
Betreff: Die Frage zum Kurstest: Warum sollten Sie bei der prädiktiven Modellierung die Modellvalidierung verwenden?Es ist schwierig, gute Prüfungsfragen und -antworten zu schreiben. Diese Frage ist jedoch unkompliziert.
Eine Kreuzvalidierung kann nicht verwendet werden, um das richtige Modell sicherzustellen. Nur neue empirische Beobachtungen können verwendet werden, um die Richtigkeit zu testen. In dem breiten Schema der ehrlichen Bewertung verwenden viele Vorhersagemodellierer drei Hold-Out-Sets: Ausbildung , Validierung , und Prüfung . Nur die Trainingsdaten werden zur Anpassung an das Modell verwendet. Nur die Validierungsdaten werden verwendet, um die Verallgemeinerung des Modells zu überprüfen, und nur die Testdaten werden verwendet, um die Richtigkeit des Modells zu bestätigen. Antwort 2 ist also die richtige Antwort.
Betreff: Die Frage zum Kurstest: Warum sollten Sie bei der prädiktiven Modellierung die Modellvalidierung verwenden?Vielen Dank!
Mit besten Empfehlungen,
Michael
