此加載項有助於為可能包含行之間相關性的數據創建驗證列，這可能是由於自相關或其他因素（包括影響連續行的噪聲）。 數據按行分組，然後將組分配給訓練或驗證。 還有一個選項可以同時使用分組和切點驗證，因此驗證組是跨時間分佈的，而最後一行在測試集中。 在分析連續過程數據時，向用戶呈現的默認建議可能比使用標準驗證平台更有用。 如果選擇了目標變量，則會顯示圖表以幫助用戶可視化訓練/驗證拆分。
這是使用 JMP Pro 版本 16 創建的。它尚未在標准或舊版本的 JMP 上進行測試。
找到這個項目GitHub ，請隨時在那裡提交問題或拉取請求。
動機
默認情況下，驗證平台會隨機且單獨地將行分配給訓練和驗證。 當行是獨立的時，這是理想的，但是如果一行依賴於前一行，則這種拆分將導致對模型的預測能力的不切實際的期望，因為訓練集中的信息基本上用於驗證和測試模型。實際上，在時間序列中，這通常使用切割點驗證來解決@ian_jmp和@朱利安為此開發了一個很棒的插件：創建時間序列驗證列.對於許多使用最新行的探索性模型來說並不是最好的方法，特別是當最近的變化促使分析時。從訓練集中挑選行組增加了模型仍然可以使用最新數據的可能性，同時最大限度地減少了訓練組和驗證組中都存在單個噪聲源的可能性。
備擇方案
在某些情況下，其他兩種分析行間相關性數據的方法更好，但並不總是可行：
- 將數據表縮減為真正獨立的行，消除一行與前一行相關的可能性。有時，將每一列有效地匯總為獨立的行是很棘手或耗時的。例如，如果用戶還不知道在流程開始時一個變量中的 15 分鐘事件 2 天停留時間會影響他們的目標，那麼用戶可能不知道如何在 2 天或更長時間內總結該變量為了獲得獨立的行。
- 建模或預測自相關。 時間序列平台是一個很好的起點，在多元模型中包含一系列滯後變量可以為該過程提供很多額外的見解。對於具有數百個變量的複雜流程，這既耗時又復雜，而且往往超出新用戶的技能範圍。
用戶界面
如果適用，用戶選擇目標變量。 默認情況下，第一個用於分層，儘管這並不總是會根據組和表大小影響拆分。默認驗證類型是分組，並顯示推薦的組大小。
顯示有關目標變量的一些信息以幫助用戶確定適當的組大小。
“引擎蓋下”詳細信息
建議的組大小基於每個目標變量的時間序列分析。該平台選擇一個滯後時間，其中接下來的幾行的自相關小於 0.1，然後確保小表中的組數最少，並增加大表中的組大小。
反饋
我們正在尋找與此用戶界面相關的建議和想法，以及解決此問題的其他方法。 對於哲學討論，請隨時在討論論壇和標籤@ih和@DrewLuebe為了引起我們的注意，這將提供足夠的討論空間。
