Validierung für das logistische Regressionsmodell JMP 15Ich habe viele Kommentare dazu gesehen, wie man eine Validierung für eine JMP-Pro-Version durchführt, die ich leider nicht habe.
Wenn ich in jmp 15 das Fit-Modell öffne, gibt es kein Feld zum Hinzufügen der Validierungsspalte.
Also habe ich manuell eine Validierungsspalte erstellt, mit 60 % Daten für das Training, 20 % für die Validierung und 20 % für Tests.
Ich erstelle das Modell basierend auf dem Trainingsdatensatz und kann die Vorhersagen für den Validierungs- und Testsatz sehen.
Wie kann ich R^2 und andere Anpassungsdetails für den Validierungsdatensatz für das Modell generieren, das auf dem Trainingssatz aufbaut?
Datenexploration und -visualisierungBetreff: Validierung für das logistische Regressionsmodell JMP 15Sie können Ihr Modell zunächst mithilfe des Trainingsdatensatzes, der gespeicherten Vorhersageformel für jedes Modell, anpassen. Verwenden Sie dann die Anpassung von Y durch Wenn Sie dann „Linie anpassen“ oder „Spezial anpassen mit 45-Grad-Linie“ ausführen, erhalten Sie alle Statistikzahlen in der Ausgabe.
Betreff: Validierung für das logistische Regressionsmodell JMP 15Hallo und danke, es funktioniert.
Aber berechnet es drei verschiedene Modelle basierend auf jeder Teilmenge?
Ursprünglich habe ich nur den Trainingssatz zum Erstellen des Modells verwendet. Da ich über mehr als ein mögliches Modell verfüge, möchte ich diese in die Validierungsdaten einbinden, um das beste Modell auszuwählen. Ich muss also dasselbe Modell, das auf dem Trainingsdatensatz basiert, auf den Validierungsdatensatz anwenden und vergleichen, welches am besten passt.
Betreff: Validierung für das logistische Regressionsmodell JMP 15Ich gehe davon aus, dass Sie die Testdaten bei der Anpassung des Modells ausgeschlossen haben (ich bin nicht sicher, was Sie mit den Validierungsdaten gemacht haben – wenn Sie das auch ausgeschlossen haben, dann sind die Testdaten redundant – andernfalls bin ich mir nicht sicher, welchen Zweck sie haben Validierungsdaten, die in Ihrer Analyse verwendet wurden).Heben Sie den Ausschluss aller Zeilen auf und verwenden Sie „Y nach X anpassen“, mit Y als Vorhersagen undSie erhalten für jede Teilmenge separate Diagramme (und ein R-Quadrat).
