Sie geben nicht viele Details an, also werde ich ein paar Vermutungen anstellen. Ich würde vermuten, dass Sie ein neuronales Netzwerk anpassen. Ein neuronales Netzwerk erfordert einen Validierungssatz. Selbst wenn Ihre Tabelle also nur Trainingsdaten enthält, wird ein Validierungssatz erstellt (und Sie hätten diese Optionen sehen sollen, bevor Sie eine Anpassung anfordern).
Meine zweite Vermutung ist, dass Sie zwei Tabellen haben: eine mit Trainingsdaten und eine andere mit Validierungsdaten. Wenn das der Fall ist, kombinieren Sie die Tabellen zu einer Tabelle mit einer Spalte, die angibt, ob die Zeile zum Training oder zur Validierung gehört. Wenn Sie nun das Modell anpassen, fügen Sie die Spalte, die Training oder Validierung angibt, in das Validierungsfeld des Modellierungsdialogs ein. Die Ausgabe liefert nun die Statistiken für die beiden Sätze, wie Sie es wünschen.
Wenn meine Vermutungen falsch sind, geben Sie bitte weitere Einzelheiten an, damit wir helfen können.
Hallo @MathBayesWhale4 ,
Willkommen in der Community!
Damit andere Mitglieder dieses Forums Ihre Frage schnell, einfach und präzise beantworten können, empfiehlt es sich, möglichst viel Kontext bereitzustellen, Einzelheiten zu den verwendeten Plattformen und der von Ihnen verwendeten JMP-Version, Screenshots der Situation, vor der Sie stehen, und wenn möglich einen kleinen (anonymisierten oder JMP-Beispiel-)Datensatz, in dem Sie die Situation, vor der Sie stehen, zeigen und reproduzieren können.
Weitere Informationen zum Formulieren Ihrer Frage finden Sie im Beitrag von @jthi : Schnell die richtigen Antworten auf die richtigen Fragen erhalten
Um auf Ihre Frage zurückzukommen, einige Hinweise zu den verwendeten Begriffen, damit die verschiedenen Sets und ihre Verwendung und Anforderungen klar sind:
- Trainingsset : Wird für das eigentliche Training des/der Modell(s) verwendet.
- Validierungssatz : Wird für die Modelloptimierung (z. B. Feinabstimmung der Hyperparameter, Auswahl von Merkmalen/Schwellenwerten usw.) und die Modellauswahl verwendet.
- Testsatz : Wird zur Generalisierung und prädiktiven Leistungsbewertung des ausgewählten Modells anhand neuer/ungesehener Daten verwendet.
Es kommt äußerst selten vor (wenn nicht sogar „niemals gesehen“), dass keine Validierungsstrategie verwendet wird, wenn Sie eine prädiktive Denkweise haben und einen Algorithmus für maschinelles Lernen verwenden, da Sie einige Daten benötigen, um das Lernen anzupassen (durch die verschiedenen Hyperparametereinstellungen, Merkmalsauswahl usw.) und/oder die verschiedenen möglichen Modelle zu vergleichen, um eines auszuwählen (wenn Sie mehrere Modelle trainiert haben). Es gibt viele verfügbare Validierungsstrategien, aber ich werde nicht tiefer in dieses Thema eintauchen, da es nicht mit Ihrer Frage zusammenzuhängen scheint. Bei Bedarf können Sie diese Antwort lesen: Gelöst: Re: CROSS VALIDATION – VALIDATION COLUMN METHOD – JMP User Community
Im Zusammenhang mit Ihrer Frage gibt es nur sehr wenige Informationen zu dem von Ihnen verwendeten Algorithmus/der von Ihnen verwendeten Plattform und zu der von Ihnen verwendeten JMP-Version (JMP/JMP Pro, Lizenzversion usw.).
Wenn die Vermutungen von @Dan_Obermiller zutreffen und Sie die Neural-Plattform verwenden, ist eine Validierung erforderlich, damit die unterschiedlichen Gewichte der Knoten im neuronalen Modell ohne das Risiko einer Überanpassung an Ihre Daten angepasst werden können. In der JMP-Version sind standardmäßig einige Validierungsoptionen vorhanden, aber eine flexiblere Option kann mit einer Validierungsspalte in JMP Pro verwendet werden: Validierungsmethoden für Neural
- Wenn Sie also eine JMP-Lizenz haben, können Sie Ihre Daten in zwei Teile aufteilen: eine Tabelle für Training + Validierung und eine Tabelle zum Testen. Passen Sie das Neural für Training und Validierung an die erste Tabelle an, speichern Sie die Spalten der Vorhersageformel und kopieren Sie die Formel in die Testtabelle. Sie können dann die Modellanpassung grafisch und statistisch an der Testtabelle analysieren (indem Sie mit Graph Builder ein Diagramm erstellen, um vorhergesagte und tatsächliche Werte, Residuen usw. anzuzeigen).
Sie können auch alle Daten in einer Tabelle verwenden und die Zeilen, die für den Testsatz verwendet werden, „ausblenden und ausschließen“, sodass das neuronale Netzwerk diese Daten nicht für Training und Validierung verwendet. Wenn Sie die Formel in der Tabelle speichern, erhalten Sie auch für die ausgeblendeten und ausgeschlossenen Zeilen prognostizierte Werte.
- Wenn Sie JMP Pro haben, können Sie eine Validierungsspalte erstellen. Es ist eine Spalte mit den Zahlen 0, 1 und 2 und den entsprechenden Beschriftungen „Training“, „Validierung“ und „Test“. Wenn Sie aus irgendeinem Grund keinen Validierungssatz möchten, können Sie jederzeit nur Trainings- und Testsätze einrichten:
Hoffe, diese zusätzliche Antwort wird Ihnen helfen,
