Support Vector Machine (SVM) KFold in Version 16.2 nicht mehr verfügbar?Ich habe zwei Computer, einen mit JMP Pro Version 16.0 und einen mit Pro 16.2. Beide unter Windows.
In JMP Version 16.0 kann ich Predictive Modeling > Support Vector Machines > Validierungsmethode > KFold verwenden.
Bei demselben Datenblatt in JMP Version 16.2 ist die KFold-Option ausgegraut. Ich habe es viele Male versucht, mit vielen Datenblättern und mit vielen verschiedenen Optionen, aber ich habe nie gesehen, dass die KFold-Option für SVM in Version 16.2 verfügbar ist. Wurde diese Funktion entfernt? Wie kann ich nach dem Update auf 16.2 eine KFold-Validierung auf SVM durchführen?
Prädiktive Modellierung und maschinelles LernenQualitäts- und ProzesstechnikBetreff: Support Vector Machine (SVM) KFold in Version 16.2 nicht mehr verfügbar?Ja, es war in 16.0 (und korrekt) verfügbar, aber es scheint versehentlich von 16.2 nicht zugelassen worden zu sein. Ich glaube, es sollte erlaubt sein, und es sollte von der nächsten Version neu implementiert werden. Ich entschuldige mich für den Funktionsverlust und danke Ihnen vielmals, dass Sie uns darauf aufmerksam gemacht haben!
Betreff: Support Vector Machine (SVM) KFold in Version 16.2 nicht mehr verfügbar?Danke für die schnelle Antwort.Meine Y-Variable ist tatsächlich kontinuierlich und ich führe SVR durch.Soweit ich Ihre Antwort verstehe, war KFold für SVR in 16.0 verfügbar (aber möglicherweise falsch implementiert), aber nicht in 16.2?
Danke!
Betreff: Support Vector Machine (SVM) KFold in Version 16.2 nicht mehr verfügbar?KFold ist immer noch verfügbar, aber es ist nie verfügbar, wenn die nominale Antwort mehr als 2 Stufen hat. Ich vermute, Ihre Antwortvariable hat 3 oder mehr Ebenen für die Antwort?
Dies liegt daran, dass bei einer Anpassung von >2 Ebenen alle paarweisen Modelle (also n 2 Modelle auswählen) angepasst und dann für die Gesamtanpassung kombiniert werden. Die Anzahl paarweiser Modelle kann also sehr schnell sehr groß werden. Wenn wir dann noch kfold machen würden, könnte die Zeit zum Schätzen sehr lang werden und es könnte zu Speicherproblemen beim Speichern aller Ergebnisse kommen.
Das war mein erster Gedanke, und dann stellte ich fest, dass bei einem kontinuierlichen Y KFold nicht verfügbar ist, also ist Ihre Antwort möglicherweise kontinuierlich. Support Vector Regression wurde SVM in 16 hinzugefügt, und es scheint, dass das Zulassen von KFold für SVR-Modelle nicht aktiviert war. Dies ist wahrscheinlich ein Versehen (ich kann mir keinen Grund vorstellen, warum es anders als im Fall der Klassifizierung >2 Ebenen nicht zulässig wäre), also werde ich einen Fehlerbericht eingeben, um es zu aktivieren.
Danke schön!
