Apprenez-en plus dans notre cours en ligne gratuit :
Pensée statistique pour la résolution de problèmes industriels
Dans cette vidéo, nous montrons comment créer une colonne de validation dans JMP Pro à l'aide de l'utilitaire Créer une colonne de validation.
Nous allons utiliser l'exemple Impurity et créer une nouvelle colonne, Validation. Nous attribuerons au hasard 60 % des observations à l'ensemble d'apprentissage et les 40 % restants à l'ensemble de validation.
Pour commencer, nous sélectionnons Make Validation Column dans le menu Analyze sous Predictive Modeling.
Nous pouvons saisir des colonnes de stratification pour équilibrer les ensembles d'apprentissage et de validation dans ces colonnes. Ceci est souvent utilisé lorsque vous avez des variables d'entrée ou de sortie catégorielles.
Nous pouvons également saisir une colonne de regroupement ou saisir une colonne de points de coupure. Cliquez sur le bouton Aide pour en savoir plus sur ces options.
Nous allons laisser tous les champs vides et cliquer sur OK.
Nous entrons 0,6 pour l'ensemble d'apprentissage et 0,4 pour l'ensemble de validation. Notez que nous pouvons également affecter une partie des observations à un ensemble de test, mais nous n'utiliserons que deux partitions pour cet exemple.
Le nouveau nom de colonne sera Validation.
Le type de colonne de validation vous permet de générer une colonne de validation avec des valeurs fixes ou avec une formule pour l'affectation aléatoire aux ensembles d'apprentissage et de validation de la colonne.
Nous utilisons Fixed pour attribuer de manière aléatoire des données aux ensembles d'apprentissage et de validation et ne pas stocker de formule. Avec l'affectation aléatoire fixe, nous pouvons entrer une graine aléatoire qui nous permet de recréer la même colonne de validation si nécessaire. La valeur de départ aléatoire est un nombre entier que vous spécifiez et qui indique à JMP comment démarrer l'affectation aléatoire aux ensembles d'apprentissage et de validation. La définition de la valeur de départ aléatoire rend l'affectation aux ensembles d'apprentissage et de validation reproductible.
Nous entrons la graine aléatoire 123 pour cette vidéo, puis cliquez sur Go.
JMP ajoute une nouvelle colonne, Validation, à la table de données. Dans les coulisses, les valeurs sont stockées sous la forme 0 (pour les données de formation) et 1 (pour les données de validation).
La fenêtre d'informations sur la colonne contient une note nous indiquant comment la colonne a été créée.
Comme demandé, 60 % des observations ont été affectées à l'ensemble d'apprentissage et 40 % des observations ont été affectées à l'ensemble de validation.
Lorsque nous créons des modèles prédictifs avec cette colonne de validation, JMP Pro crée le modèle à l'aide des données d'apprentissage et estime les performances prédictives du modèle sur de nouvelles données à l'aide des données de validation.
Notez que cette fonctionnalité n'est disponible que dans JMP Pro. Pour obtenir la liste complète des plates-formes et des options disponibles dans JMP Pro, ouvrez le menu JMP Starter et sélectionnez la catégorie JMP Pro. Les plates-formes et fonctionnalités propres à JMP Pro sont détaillées sous les onglets.
