如何對ML模型（例如神經網路和隨機森林）進行k折交叉驗證並在固定測試資料上檢查模型效能？我有分類資料集，我想在其上擬合神經網路和隨機森林模型。 我正在執行 k 折交叉驗證來選擇最佳模型。
我有單獨的數據（固定測試數據），我想在其上測試模型性能。 如何將該資料傳遞給 JMP 並取得分類報告？
預測建模和機器學習回覆：如何對 ML 模型（例如神經網路和隨機森林）進行 k 折交叉驗證並在固定測試資料上檢查模型效能？你好@abhinavsharma91 ,
為了在多個機器學習模型上使用K 折交叉驗證，您可以使用「模型篩選」平台（可在「分析」、「預測建模」、「模型篩選」中存取），然後選擇您想要嘗試的演算法（在您的範例神經網路和隨機森林中），以及用於交叉驗證的折疊數（此處的範例是玩具資料集“鑽石資料”，具有 5 個折疊交叉驗證）：
對於您的測試數據，有多種選擇：
- 如果您的資料分為兩個資料集（一個用於訓練，一個用於測試），您可以透過交叉驗證在訓練資料表上運行模型，保存效能最佳模型的公式，然後複製並貼上模型的公式列在您的測試資料表上，以便在測試資料上對模型效能進行公正的評估時不會發生資料外洩。
- 您也可以將所有資料放在同一個資料表中，但「隱藏並排除」將用於測試的行；這樣，模型不會使用您的測試資料進行訓練和交叉驗證，但透過儲存公式，您仍然可以對隱藏和排除的行（並且在同一個表上）進行預測。
希望這個回答對你有幫助
