訓練和驗證公式不同你好@russ_wolfinger ,
我對 XGBoost 生成預測公式的方式有疑問。 我在一些數據上運行了“舊”版本的 XGBoost，預測公式與現在略有不同。 我認為這可能是這篇文章中提到的 XGBoost 的更新
https://community.jmp.com/t5/XGBoost-Early-Adopter/Applying-the-XGBoost-model-to-new-data/gpm-p/241796#M20
我通常運行 XGBoost，只對數據進行訓練和驗證拆分（單個驗證列）。 現在，當我運行 XGBoost 時，我會得到一個預測列，用於說明何時：Validation==Training 和何時：Validation==Validation。 公式略有不同，最終預測公式選擇任一解決方案。 我不明白它為什麼這樣做。
平台不應該只使用訓練數據生成模型，然後使用驗證數據來選擇最佳擬合值嗎？ 它生成兩個不同的公式，然後對訓練公式或驗證公式進行平均，這似乎很奇怪。 這似乎使得在合併到另一個數據表時更難以預測未來的數據。
事實上，我剛剛嘗試過，新的 Predictor 列（使用 N Val 和 N Trn）並沒有填充新的預測。 訓練和驗證的預測列確實如此，但如上所述，公式不同，因此輸出也不同。 我們如何處理新數據？
謝謝，
DS
回复：訓練和驗證公式不同你好@russ_wolfinger ,
感謝您的反饋，這確實有助於了解如何為更新的 XGBoost 加載項正確編碼驗證列（取決於是否進行 k 折疊）。 我剛剛使用重新編碼的驗證列對其進行了測試，它可以正常工作。
感謝您的幫助！
謝謝，
DS
回复：訓練和驗證公式不同你好@SDF1 ,
對困惑感到抱歉。預測公式設置為在進行 k 折疊時自動計算折疊外預測。如果我正確理解了您的情況，則代碼實際上可能會執行與您的驗證列的兩個級別相對應的 2 倍 CV。這就是為什麼有兩個不同的公式。
要僅執行單個保留驗證集，您必須將驗證列更改為連續值，0 表示訓練，1 表示驗證。我們設置此約定是為了處理這兩種情況，但意識到它與其他 JMP 平台的工作方式不同。
為了預測新數據，您可能必須手動設置 val 列的值，如您鏈接的上一篇文章中所述，然後公式應該傳播。
希望這可以解決問題-如果沒有，請告訴我。很高興你正在推進這個！
拉斯
