Im Moment kann ich beim Aufbau eines neuronalen Netzwerks eine K-fache Kreuzvalidierung durchführen:
Und mit dem aktuellen XGBoost-Add-In ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383), Es ist sogar noch besser, da mehrere Faltungen hinzugefügt werden können, die orthogonal zueinander sind:
Diese Option ist jedoch nicht für andere Plattformen wie Boosted Tree, Boostrap Forest oder sogar ein einfacheres multiples lineares Regressionsmodell verfügbar.
Nur Sie können eine einzelne Validierungssäule mit einer eindeutigen Holdout-Probe hinzufügen.
Die k-fache Kreuzvalidierung für XGBoost ist nichts Einzigartiges, daher sollte diese Option für alle Plattformen verfügbar sein, um eine allgemeinere Fehlermetrik über Modelle hinweg zu ermöglichen, die konsistent über mehrere Plattformen hinweg ausgewertet werden.
