Re : Fractionner des données qui ne sont pas destinées à être utilisées comme colonnes de validationJ'ai enregistré cela en interne et ajouté l'identifiant du défaut ci-dessus.
@reese_sj , pouvez-vous saisir un nouvel élément pour la deuxième partie de cette demande (c'est-à-dire les estimations hors sac pour la validation du modèle) ? Ce sont deux demandes différentes.
Merci!
Fractionner des données qui ne sont pas destinées à être utilisées comme colonnes de validationColonne de validation : très souvent, nous devons diviser les données dans un ensemble d'entraînement et de test, mais pas dans un ensemble de validation utilisé pour la sélection du modèle. Cela ne fonctionne pas dans JMP. Par exemple, pour les méthodes de modélisation où nous pouvons utiliser la validation croisée, comme NN ou GLR, et nous voulons que la sélection/validation du modèle soit basée sur les données d'apprentissage et en utilisant les données de test uniquement pour tester le modèle. De plus, lorsque les données de test sont exclues, les arbres boostés et la forêt aléatoire utilisent les données exclues pour valider le modèle (éventuellement pour NN). Cela nécessite des étapes supplémentaires pour supprimer les données de test pour la modélisation et les ajouter ultérieurement pour la comparaison de modèles.
Statistiques et analysesRe : Fractionner des données qui ne sont pas destinées à être utilisées comme colonnes de validation - Statut changé en : Non planifié pour l'instant@reese_sj est le souci que les données de validation trichent ?Comment proposez-vous que le modèle décide quand il correspond le mieux aux données ?Nous ne voyons souvent que des données de validation sans jeu de test, mais pas l'inverse.JMP n'a aucun moyen d'adapter un NN sans une certaine forme de validation ou de retenue.Si vous laissez l'algorithme s'adapter au mieux aux données d'apprentissage, vous obtiendrez très probablement un modèle de surajustement.Je créerais le modèle et le publierais dans le dépôt de formules, puis l'exécuterais sur l'ensemble de données de test si vous voulez voir à quel point il convient.
