對於那些希望在 JMP v16 中使用 kNN 進行交叉驗證的用戶來說，這是一個提醒…
Word 附件表明，對於k = 3 ：
| | 訓練 R2 | 驗證 R2 |
| 第二個展覽 | 0.92839 | 0.90874 |
| 第三個展覽 | 0.9706 | 0.9086 |
驗證 R2 接近，但不完全相同。雖然很小，但訓練 R2 的差異卻很大：0.93 對 0.97。
關於這個問題的文檔不可用，儘管有提到 kNN 演算法根據使用已儲存的預測還是保存的預測公式產生不同的預測列，這很可能解釋了擬合統計數據的差異。然而，我們不知道哪一組相互競爭的擬合統計數據是正確的。
我們需要準確的訓練 R2 結果來正確衡量模型表現出的過度適合程度。
JMP v16 對 kNN 使用了新的演算法，因此在 JMP v15 或更早版本中不存在這種差異。
我還附上了用於生成 Word 文件中顯示的結果的 JMP 資料檔。
您是否有可能比較不同模型的 r 平方？ 例如，您的表具有與 KNN 模型完全不同的擬合統計數據的最小二乘模型。
我按照您在 JMP 15 和 16 中的數據集的描述運行了 KNN。 版本 15 和 16 的訓練和驗證 r 平方統計量略有不同但非常相似。 （隨機種子是一樣的），腳本是打擊。 不包括 14 和 15 之間的比較，它們是相同的。
如果 JMP Dev 的某個人沒有發表評論，請發送便條至support@jmp.com並參考這個討論線程。 雖然我不知道任何細節，但我懷疑 KNN 背後的方法已更新為支持非常寬的表。 JMP16 可能提供了更精確的估計。
K Nearest Neighbors(
Validation( :"Train/Validate"n ),
Y( :MSRP ),
X(
:"Curb Weight (lbs)"n, :"Displacement (cc)"n, :Cylinders, :Horsepower,
:MPG City, :MPG Highway, :"Length (in)"n, :Seating Capacity,
:"Torque (lbs/ft)"n, :"Wheelbase (in)"n, :Car Type, :Make
),
K( 10 ),
Set Random Seed( 123 ),
Response( "MSRP", Plot Actual by Predicted( 1 ) )
)
