méthodes de validation croisée laisser-un-dehors ou k-fold ??Nous avons reçu le commentaire du critique comme suit :
pour confirmer l’utilité de la valeur seuil, une validation serait nécessaire. Cependant, dans cette cohorte, aucune analyse de validation n’a été réalisée. La taille de l’échantillon étant petite, il serait difficile de réaliser une étude de validation externe. cependant, l'analyse de validation interne (ou de validation croisée) peut être effectuée à l'aide de méthodes statistiques telles que les méthodes de validation croisée Leave-One-Out ou K-fold.
Je n'ai pas pu comprendre la méthode statistique envisagée par le critique.
Pourriez-vous résoudre ce problème avec JMP ?
les fenêtresRe : méthodes de validation croisée laisser-un-dehors ou k-fold ??@Marimo ,
Leave-one-out est une version de la validation croisée k-fold dans laquelle toutes les lignes de votre ensemble de données sont utilisées comme un « ensemble » de validation une à la fois.
À titre d'exemple, si vous avez 20 lignes dans votre ensemble de données, vous pouvez utiliser une validation croisée k fois 5 qui utilisera 20 % de vos données 5 fois. Dans ce cas, cela représenterait 4 lignes pour la validation croisée et 16 lignes pour la formation.
Chaque 20 % utilise ce qu'on appelle l'échantillonnage avec remplacement pour essayer de garantir que toutes les données sont incluses dans l'un des cinq k-folds. L'autre option dans cet exemple consiste à créer un pli k 20 qui utilise ensuite chaque ligne de l'ensemble de données comme ensemble de validation. Plus le nombre de plis est élevé, plus le pourcentage de données utilisé pour la validation croisée est faible. La validation croisée K-fold peut être trouvée sur la plupart des plates-formes de JMP.
Une autre option serait d'utiliser une méthode comme Bootstrap Forest qui intègre l'échantillonnage avec remplacement à l'algorithme. Vous auriez besoin de JMP Pro pour profiter pleinement de cette plateforme. Bootstrap Forest utilise la moyenne de modèle pour trouver les variables les plus importantes de votre ensemble de données en créant de nombreux modèles plus petits (arbres) avec différents sous-ensembles de données.
HTH
Facture
Re : méthodes de validation croisée laisser-un-dehors ou k-fold ??Question : si j'ai 20 lignes et que j'utilise K=20 plis, est-ce exactement la même chose que la validation « laisser-un-dehors » ? J'ai toujours pensé que ce dernier utilise chaque observation comme ensemble de validation (rotation sur l'ensemble de l'ensemble de données) alors que les échantillons pliés en K avec remplacement , il n'est donc pas clair pour moi que chaque observation soit utilisée pour la validation. Pouvez-vous clarifier cela ?
Re : méthodes de validation croisée laisser-un-dehors ou k-fold ??Salut @Marimo ,
Bienvenue dans la Communauté !
Voici quelques informations sur la validation, l'utilisation de méthodes de validation spécifiques et comment le faire dans JMP à partir d'un article précédent que j'ai donné : https://community.jmp.com/t5/Discussions/CROSS-VALIDATION-VALIDATION-COLUMN- MÉTHODE/mp/588349/highlight/true#M79332
J'espère que cette première réponse vous aidera,
