Vous ne fournissez pas beaucoup de détails, je vais donc faire quelques suppositions. Je suppose que vous ajustez un réseau neuronal. Un réseau neuronal nécessite un ensemble de validation. Ainsi, même si vous n'avez que des données d'entraînement dans votre tableau, un ensemble de validation sera créé (et vous auriez dû voir ces options avant de demander un ajustement).
Ma deuxième supposition est que vous avez deux tables : une avec les données d'entraînement et une autre avec les données de validation. Si tel est le cas, combinez les tables en une seule avec une colonne indiquant si la ligne appartient à l'entraînement ou à la validation. Maintenant, lorsque vous allez ajuster le modèle, placez la colonne indiquant l'entraînement ou la validation dans le champ de validation de la boîte de dialogue de modélisation. La sortie fournira désormais les statistiques pour les deux ensembles comme vous le souhaitez.
Si mes suppositions sont erronées, veuillez fournir plus de détails afin que nous puissions vous aider.
Salut @MathBayesWhale4 ,
Bienvenue dans la Communauté !
Afin que les autres membres de ce forum puissent répondre à votre question de manière rapide, simple et précise, c'est une excellente idée de fournir autant de contexte que possible, des détails sur les plateformes utilisées et la version JMP que vous utilisez, des captures d'écran de la situation que vous rencontrez et, si possible, un petit ensemble de données (anonymisé ou échantillon JMP) où vous pouvez montrer et reproduire la situation à laquelle vous êtes confronté.
Vous pouvez en savoir plus sur la façon de formuler votre question dans le message de @jthi : Obtenir rapidement des réponses correctes aux bonnes questions
Pour revenir à votre question, quelques rappels sur les termes utilisés afin que les différents ensembles ainsi que leur utilisation et leurs besoins soient clairs :
- Ensemble d'entraînement : utilisé pour l'entraînement réel du ou des modèles,
- Ensemble de validation : Utilisé pour l'optimisation du modèle (réglage fin des hyperparamètres, sélection de caractéristiques/seuils, ... par exemple) et la sélection du modèle,
- Ensemble de tests : utilisé pour la généralisation et l'évaluation des performances prédictives du modèle sélectionné sur des données nouvelles/inédites.
Il est extrêmement rare (voire "jamais vu") de ne pas utiliser de stratégie de validation si vous êtes dans un état d'esprit prédictif et que vous utilisez un algorithme de Machine Learning, car vous avez besoin de données pour ajuster l'apprentissage (via les différents réglages d'hyperparamètres, la sélection de fonctionnalités, etc...), et/ou comparer les différents modèles possibles pour en sélectionner un (si vous avez entraîné plusieurs modèles). Il existe de nombreuses stratégies de validation disponibles, mais je ne vais pas approfondir ce sujet car il ne semble pas être lié à votre question. Si besoin, vous pouvez lire cette réponse : Résolu : Re: VALIDATION CROISÉE - MÉTHODE DE COLONNE DE VALIDATION - Communauté d'utilisateurs JMP
En lien avec votre question, il y a très peu d'informations sur l'algorithme/la plateforme que vous avez utilisé, et sur la version de JMP que vous utilisez (JMP/JMP Pro, version de licence,...).
Si les suppositions de @Dan_Obermiller sont vraies et que vous utilisez la plateforme Neural, une validation est nécessaire pour que les différents poids des nœuds du modèle neuronal puissent être ajustés à vos données sans risque de surajustement. Il existe certaines options de validation par défaut dans la version JMP, mais une option plus flexible pourrait être utilisée avec une colonne de validation dans JMP Pro : Méthodes de validation pour Neural
- Ainsi, si vous disposez d'une licence JMP, vous pouvez séparer vos données en deux parties : une table pour l'entraînement et la validation, et une table pour les tests. Ajustez le modèle neuronal sur la première table pour l'entraînement et la validation, enregistrez les colonnes de formule de prédiction et copiez-collez la formule sur la table de test. Vous pouvez ensuite analyser l'ajustement du modèle graphiquement et statistiquement sur la table de test (en créant un graphique avec Graph Builder pour afficher les valeurs prédites par rapport aux valeurs réelles, les résidus, etc...).
Vous pouvez également utiliser toutes les données dans un seul tableau et « masquer et exclure » les lignes qui seront utilisées pour l'ensemble de tests, afin que le réseau neuronal n'utilise pas ces données pour l'entraînement et la validation. L'enregistrement de la formule dans le tableau vous donnera également des valeurs prédites pour les lignes masquées et exclues.
- Si vous avez JMP Pro, vous pouvez créer une colonne de validation . Il s'agit d'une colonne avec les numéros 0, 1 et 2 avec les libellés correspondants « Formation », « Validation » et « Test ». Si pour une raison quelconque vous ne souhaitez pas d'ensemble de validation, vous pouvez toujours configurer uniquement des ensembles de formation et de test :
J'espère que cette réponse supplémentaire vous aidera,
