405667_de-DE

liliconcom

kNN (k Nearest Neighbors) zeigt verschiedene Anpassungsstatistiken in JMP Pro v16 an

Ein Hinweis an diejenigen unter Ihnen, die kNN in JMP v16 mit Kreuzvalidierung verwenden möchten...

 

Der Word-Anhang weist darauf hin, dass z k = 3 :

	Schulung R2	Validierung R2
2. Ausstellung	0,92839	0,90874
3. Ausstellung	0,9706	0.9086

 

Die Validierungs-R2s sind nah, aber nicht identisch. Obwohl dies geringfügig ist, beträgt der Unterschied in den Trainings-R2s nicht: 0,93 vs. 0,97.

 

Eine Dokumentation zu diesem Thema ist nicht verfügbar, obwohl erwähnt wird, dass der kNN-Algorithmus unterschiedliche Vorhersagespalten erzeugt, je nachdem, ob gespeicherte Vorhersagen oder Vorhersageformel gespeichert verwendet werden, was höchstwahrscheinlich die Diskrepanz in den Anpassungsstatistiken erklärt. Wir wissen jedoch nicht, welche der konkurrierenden Anpassungsstatistiken richtig sind.

 

Wir benötigen genaue R2s-Trainingsergebnisse, um das Ausmaß der Überanpassung eines Modells richtig zu messen.

 

JMP v16 verwendet einen neuen Algorithmus für kNN, daher wird diese Diskrepanz in JMP v15 oder früher nicht nachgewiesen.

 

Ich hänge auch die JMP-Datendatei an, die verwendet wird, um die im Word-Dokument gezeigten Ergebnisse zu erzeugen.

 

 

 

 

 

 

SonstigesBetreff: kNN (k Nearest Neighbors) zeigt verschiedene Anpassungsstatistiken in JMP Pro v16 an

Ist es möglich, dass Sie r-squared von verschiedenen Modellen vergleichen? Ihre Tabelle hat beispielsweise ein Modell der kleinsten Quadrate mit ziemlich anderen Anpassungsstatistiken als das KNN-Modell.

Ich habe KNN wie in Ihrem Datensatz in JMP 15 und 16 beschrieben ausgeführt. Die Trainings- und Validierungs-R-Quadrat-Statistiken für die Versionen 15 und 16 unterscheiden sich geringfügig, sind aber sehr ähnlich. (Random Seed war das gleiche), das Skript ist Schlag. Nicht enthalten sind Vergleiche zwischen 14 und 15, die identisch waren.

 

Wenn jemand von JMP Dev keinen Kommentar abgibt, senden Sie vielleicht eine Nachricht an support@jmp.com und verweisen Sie auf diesen Diskussionsthread. Obwohl ich keine Details kenne, vermute ich, dass die Methode hinter KNN aktualisiert wurde, um sehr breite Tabellen zu unterstützen. Es ist möglich, dass JMP16 eine genauere Schätzung liefert.

 

 

 

 

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 ) )
)