機械学習のサンプルサイズ要件JMPには、機械学習手法のサンプルサイズ要件がありますか？
JMPには、適切なモデルに適合する多くの機械学習方法がありますが、機械学習方法でモデルを適合させたい場合、いくつのサンプルを取得する必要がありますか？
または、サンプルサイズをファクターサイズで割る値のルールはありますか？
サンプルサイズなど、カテゴリデータ型の因子サイズの少なくとも10倍。
提案ありがとうございます。
Re：機械学習のサンプルサイズ要件こんにちはエリック、
これは、決定的な答えを出すことは不可能だと私が思うもう一つの問題です。
まず第一に、誰もが「機械学習」の同じ定義に同意するわけではありません。
私にとって、機械学習の重要な部分はホールドバック検証です。 ホールドバック検証を使用するには、おそらく少なくとも100行が必要であることをユーザーに伝えます。
予測変数が2つまたは3つしかない場合は、行数が少ないホールドバックを使用できます。 しかし、予測子の数が非常に少ない場合、機械学習はおそらく必要ありません。
予測子の数に基づいて、行数を簡単に言うことはできないと思います。 必要な行数は、システムの動作の複雑さの関数でもあるため、モデルを適合させるまでわかりません。
もちろん、より少ない行（k-fold、SVEM）で機械学習アプローチを適用するために使用できる他の検証方法があります。
見てみると便利かもしれませんこのデモのケーススタディ。完全なデータセットには4608行があります。 予測子は5つしかありませんが、それらはマルチレベルのカテゴリであるため、非常に複雑なシステムです。 ランダムなサンプルを取得して、機械学習手法が従来の統計モデリングと比較してどれだけ優れているかを確認できます。 厳密な調査は行っていませんが、サンプルが非常に少ない（〜150行）標準モデルよりもMLの方が優れているように見えることに驚きました。
お役に立てば幸いです。
フィル
Re：機械学習のサンプルサイズ要件私は同意します@Phil_Kay 。 MLとAIの方法は、説明モデルではなく、予測モデルを対象としていることに注意してください。 推論は目標ではないため、サンプルサイズは考慮されません。 また、事実上すべてのケースでビッグデータが関係しているため、推論も重要ではありません。 開発されたメトリックを使用して、予測のパフォーマンスを相互検証と比較します。 たとえば、AICcはおそらく複数の意味で最高です。
Re：機械学習のサンプルサイズ要件もちろん、私はフィルとマークの言うことに同意します。 もう1つの考えは、機械学習によって顧客が実際に重回帰モデル（高次の項がある場合とない場合）を意味する場合、DOEメニューの[設計の評価]オプションを使用して、モデル項の検出力を示し、真のエラー変動。 それ以外の場合は、PhilとMarkのガイダンスに従ってください。
