希望在 JMP v16 中使用 kNN 进行交叉验证的人的注意事项...
Word 附件表明，对于k = 3 ：
| | 训练 R2 | 验证 R2 |
| 第二次展览 | 0.92839 | 0.90874 |
| 第三次展览 | 0.9706 | 0.9086 |
验证 R2 很接近，但不完全相同。 尽管这很小，但训练 R2 的差异并不是：0.93 与 0.97。
没有关于这个问题的文档，尽管提到 kNN 算法根据使用的是 Saved Predicteds 还是 Save Prediction Formula 产生不同的预测列，这很可能解释了拟合统计量的差异。 但是，我们不知道哪些竞争的拟合统计量是正确的。
我们需要准确的训练 R2s 结果来正确衡量模型表现出的过度拟合量。
JMP v16 对 kNN 使用了一种新算法，因此这种差异在 JMP v15 或更早版本中并未得到证实。
我还附上了用于生成 Word 文档中显示的结果的 JMP 数据文件。
