如何在标准最小二乘回归中使用 JMP 脚本自动进行不同的验证（训练和验证）？
我想进行 1000 次标准最小二乘回归，并且每次都进行新的验证。 而且我不知道如何通过编写脚本来自动执行此操作。
我知道，例如，在预测建模神经网络中，我们可以编写----验证方法（ “退缩” , 0.1 ). 但我不知道如何在最小二乘法中做到这一点。
如果我选择一个固定的验证列，在回归分析的脚本中，会有这些行：
在哪里（格式（：验证）== “训练” )
在哪里（格式（：验证）== “验证” )
您在使用 JMP Pro 吗？ 如果您使用 JMP 构建验证列并在平台中使用验证角色，则可能会出现这种情况。
如果我是你，我会右键单击我想要引导的统计数据，然后从弹出菜单的底部选择引导选项。
或者你可以用艰难的方式做到这一点..
（此脚本具有 JMP Pro 功能）
names default to here(1);
dt=New Table( "Some data",
Add Rows( 20 ),
New Column( "Response",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Values(
[-1.82545036264736, 0.728246959467525, -1.00696633045675,
-1.94845973713604, -0.0621517489644272, 1.31940922160903,
-1.39078111154494, 2.44117449478401, -0.209184441663871,
-1.09379674103266, 1.64814151733151, -1.31764655696586,
0.0254040089481649, -0.755512000894789, -1.2826579879211,
0.589914544061201, 2.36144445064629, 0.379635414475524,
-3.78801173090372, -0.434943374358309]
)
),
New Column( "Factor",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Values(
[-1.6221491198447, 1.28782659216483, -2.76536700522009,
-1.94258144594943, -0.66656328643386, 1.22476702284507,
-1.92374219399329, 0.343884151691415, -0.0708634559705932,
-1.96753984956401, 2.36508689631865, -1.3102347891645,
-0.359555016603859, -1.89982154229024, -2.31502621519621,
1.18810219397683, 1.7928172570621, 1.19417348867999, -1.68736902315671,
0.0111059935344733]
)
)
);
dtc=New Table( "Crossvalidation table",
Add Rows( 0 ),
New Column( "RSquare",
Numeric,
"Continuous",
Format( "Fixed Dec", 12, 4 ),
Set Selected,
Set Values( [] )
),
New Column( "RASE",
Numeric,
"Continuous",
Format( "Fixed Dec", 12, 5 ),
Set Selected,
Set Values( [] )
),
New Column( "Freq",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Selected,
Set Values( [] )
)
);
for (i=1, i<=10, i++,
dt<<MAKE validation="" column=""></MAKE>
