回复：如何將許多重複驗證自動化並彙總到一個輸出表中？我想你可以通過迭代來添加 100 個驗證列：
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
dt << New Column( "Validation",
numeric,
"Nominal",
Formula( Make Validation Formula( [.6, .2, .2] ) ),
Set Property( "Value Labels", {0 = "Training", 1 = "Validation", 2 = "Test"} )
);
然後擬合您的模型，遍歷每個驗證列，並保存每個列的匯總表，將它們全部保存到一個文件夾中。
然後使用多個文件打開打開並連接文件。
...或者可能...
打開您的表，添加驗證列，運行模型，保存摘要，關閉不保存的表，然後迭代 100 次。
然後使用多個文件打開並連接表格以獲得總體摘要。
回复：如何將許多重複驗證自動化並彙總到一個輸出表中？謝謝回复，。因為我沒有聽到任何消息，所以我一直在研究我上週五剛剛完成的自己的解決方案。
我按照您的建議開始創建 100 個驗證列。
我逐步分析每個報告，從每個報告中提取我需要的表格作為數據表。
我將每個表加入到我的主文件中，然後關閉報告和數據表，所以雖然我生成了 200 個文件，但我一次只能打開 3 個。我可以使用表格堆棧功能，通過在生成的列中搜索關鍵字並分析結果數據，從所有需要的新列中提取我需要的數據。我沒有管理的唯一部分（這將節省堆疊是從報告表中導出我需要的列）我已經嘗試了很多次但失敗了。
Report( discriminant[1] )[Outline Box("Probabilities to Each Group")] [Table Box (1)] << Make Data Table( "discrim_table " || char(i) );我從報告中確定了名為“每個組的概率”的表格。這些是此表中的 4 列（用於我的數據），我有興趣提取名為“AAAAAA”的第三列作為標籤用於盲目目的。屬性很清楚，這是數據表 Col Box( :AAAAA)，這個 col 框嵌套在“每個組的概率”下。我知道我可以編寫腳本從主文件中刪除這些額外的列，但這似乎效率不高。我試過 NumberColBox("AAAAA") ETC。，但沒有喜悅，有沒有人有任何想法？
回复：如何將許多重複驗證自動化並彙總到一個輸出表中？你好@TDF ,
也許一個更簡單的過程可以幫助您：
1.創建一個驗證列公式（這裡是 Big Class 數據集）：
2. 在模型中使用這個公式：
3. 根據您想重複模型擬合的位置/內容，您可以右鍵單擊要重複的指標/估計值，然後單擊“模擬”（在我的示例中，我在“參數”上執行此操作估計”面板值）：
您可以指定所需的樣本數量並固定隨機種子（如果您想要可重現的結果）：
4.點擊“確定”後，模型通過改變訓練集和驗證集（根據分層抽樣公式）進行100次擬合，您直接得到一個包含模型100次結果的匯總表（見附例） ，然後您可以在其中使用 Distributions（此表中自動生成的腳本）或 Graph Builder 平台（此處為 Distributions 平台的示例，在截距和權重的參數估計上）以圖形方式顯示結果：
您可以非常輕鬆地創建這些步驟，然後使用日誌複製生成的腳本以自動化步驟/分析。
希望這個回答能幫到你
回复：如何將許多重複驗證自動化並彙總到一個輸出表中？謝謝維克多。
我想我的回答應該更清楚。我已經解決了我的問題並且編碼完成了。
最好只添加我需要的 100 列（從報告中提取），而不是提取完整的表格（400 列）並且必須從第三列開始選擇每四列。
對我來說它現在的知識興趣是，我可以從報告中的表格中提取特定的列嗎？這可能是不可能的，或者如果是的話，它可能對其他社區成員有用。
感謝 Byron 和你自己花時間發布有用的選項。
回复：如何將許多重複驗證自動化並彙總到一個輸出表中？你好@TDF ,
抱歉造成誤會，我還以為案子還沒結呢。
由於討論圍繞創建 100 個單獨的驗證列展開，我認為更簡單（也可能更優雅）的解決方案可能是使用驗證列公式在任何平台上可用的“模擬”功能，以便自動重複模型適合各種訓練和驗證集，可以訪問顯示這些重複結果的匯總表，而無需使用大量驗證列擴展數據表，也不必手動連接每個單獨的結果。
很高興您找到了腳本的解決方法。
關於您的問題，可以將部分報告提取為數據表：右鍵單擊您感興趣的面板/部分，然後選擇“製作成數據表”或“製作組合數據表”（如果您有多個回复例如）。 該腳本在 Big Class Dataset 上看起來像這樣：
// Make TableBox into a Data Table
Local( {obj},
obj = Data Table( "Big Class" ) << Fit Model(
Y( :height ),
Effects( :age, :sex, :weight ),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:height << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 1 ), Plot Regression( 0 ),
Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 0 ),
Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ),
Box Cox Y Transformation( 0 )}
),
SendToReport(
Dispatch( {"Response height"}, "age", OutlineBox, {Close( 1 )} ),
Dispatch( {"Response height"}, "sex", OutlineBox, {Close( 1 )} ),
Dispatch( {"Response height"}, "weight", OutlineBox, {Close( 1 )} )
)
);
Report( obj )["Response height", "Whole Model", "Parameter Estimates",
Table Box( 1 )] << Make Into Data Table;
obj << Close Window;
)
但我沒有看到專門從此小組報告中選擇某些列的選項。 查看屬性，我必須特別要求不要在新數據表中顯示和導出某個 NumberColBox，例如：
也許更高級的 Scripter 用戶可能會幫助解決這個問題（如果我理解得很好的話）。 或者在腳本中直接添加一些代碼以根據特定屬性（名稱、索引...）刪除無用的列可能更簡單。 這裡也有關於這個主題的有趣答案：已解決：將 AIC 導出到新數據表的腳本 - JMP 用戶社區
我希望這能幫到您，
一切順利，
如何將許多重複驗證自動化並彙總到一個輸出表中？我正在運行判別分析並使用分層驗證列來檢查我的模型的質量。
鑑於工作的性質（對未知樣本的來源進行分類），我想確保模型是穩健的。理想情況下，我想創建 100 個驗證列，對每個列運行一次分析，然後創建一個匯總分類表 - 我不想手動打開和復制 100 個表。
我在這裡查看分類計數，但解決方案可能是組合任何一組相同的輸出表。
我正在運行 Pro v16（如果它能讓任務更容易，我可以更新到 v17）
非常感謝， 特雷弗
Discriminant(
X( :Class for LDA ),
Validation( :Validation 0·7 0·2 0·1 ),
Y(
:"7.2"n, :"3.14"n, :"1.92"n, :"1.9"n, :"1.7"n, :"1.72"n, :"1.88"n, :"1.74"n,
:"1.76"n, :"1.78"n, :"0.98"n, :"0.96"n, :"1.82"n, :"2.4"n, :"2.12"n,
:"1.68"n, :"1.84"n, :"7.92"n, :"2.08"n, :"1.8"n, :"1.86"n, :"1.04"n,
:"3.12"n, :"1.06"n, :"0.94"n, :"2.42"n, :"8.4"n, :"2.46"n, :"7.24"n,
:"2.36"n, :"1.08"n, :"2.38"n, :"2.34"n, :"8.46"n, :"2.44"n, :"8.44"n, :"1"n,
:"2.48"n, :"1.48"n, :"1.66"n, :"1.94"n, :"2.14"n, :"8.42"n, :"3.16"n,
:"8.52"n, :"7.46"n, :"2.54"n, :"3.02"n, :"8.38"n, :"3.18"n
),
Discriminant Method( "Wide Linear" ),
Show Biplot Rays( 0 ),
Canonical 3D Plot( 1, Frame3D( Set Rotation( -54, 0, 38 ) ) ),
Show Classification Counts( 1 ),
Use Matrix Columns( 1 ),
Cross Validate by Excluded Rows( 1 )
)
數據混合和清理預測建模和機器學習
