Im Moment kann ich beim Erstellen eines neuronalen Netzwerks eine K-fache Kreuzvalidierung durchführen:
Und mit dem neuen XGBoost-Add-In ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383) ist es sogar noch besser, da mehrere Falten hinzugefügt werden können, die orthogonal zueinander sind:
Diese Option ist jedoch für andere Plattformen wie Boosted Tree, Boostrap Forest oder sogar ein einfacheres Multiple Linear Regression-Modell nicht verfügbar.
Nur Sie können eine einzelne Validierungsspalte mit einer eindeutigen Holdout-Stichprobe hinzufügen.
Die k-fache Kreuzvalidierung weist im Vergleich zu XGBoost keine Besonderheiten auf. Daher sollte diese Option für alle Plattformen verfügbar sein, um allgemeinere Fehlermetriken für alle Modelle zu ermöglichen, die plattformübergreifend konsistent ausgewertet werden.
