トレーニングのサイズとテストデータセットの比率こんにちは、私は95の観測/レコードと各レコードの約70の変数を持つ比較的小さなデータセットを持っています。目標は、応答に影響を与える変数を検出し、これらの変数の最適な設定を見つけることです。観測数が少ないため、データをトレーニングデータとテストデータセットの2つのカテゴリのみに分割することにしました（検証データセットは省略）。私の戦略は、パーティションプラットフォームを使用して決定木を適用し、その後に最も重要と思われる変数を使用して最小二乗回帰を適用することです。私の質問は、トレーニングとテストデータセットのサイズの比率に関する一般的なアドバイスがあるかどうかです。観測値の75％がトレーニングデータに含まれ、25％がテストデータセットに含まれる除算を試してみましたが、これが最適な比率であるかどうかはわかりません。
また、いくつかのブートストラップ手順をトレーニングとテストデータセットへの分割に適用できるかどうかも疑問に思っています。アイデアは、多数の除算を行い、結果を平均化することです。これが理にかなっているかどうかはわかりません。JMP 15を実行しています。
分析Re：トレーニングのサイズとテストデータセットの比率小さなデータセットに対するCVの適応であるk分割交差検証を使用する場合があります。
また、JMP Proでは、変数の選択にLASSOで一般化回帰を使用できます。
Re：トレーニングのサイズとテストデータセットの比率おかげで、k分割交差検証を適用することは理にかなっています。私はそのときステップワイズ回帰を使うべきだと思います、なぜなら k分割交差検定標準の最小二乗のオプションではありません。残念ながら、私は（まだ）Proユーザーではないので、一般回帰分析にアクセスできません。
最終的なモデルの予測能力をテストするために、データの一部をまだ予約していると思いますか？
Re：トレーニングのサイズとテストデータセットの比率テストホールドアウトセットの役割は、相互検証による正直な評価に役立ちますが、トレードオフがあります。データセットが小さいため、K分割CVを使用します。テストの一部を保留すると、トレーニングと最適なモデルの選択の両方が損なわれる可能性があります。交差検証法は、将来のデータによるモデルの確認に基づいていますが、代わりに既存のデータの一部を使用しています。新しい観測でモデルを評価するつもりですか？その場合、テストセットは独自の利点を提供しない可能性があります。
