자세한 내용을 제공하지 않으셨으므로 추측을 좀 해보겠습니다. 신경망을 피팅하고 있다고 추측합니다. 신경망에는 검증 세트가 필요합니다. 따라서 테이블에 훈련 데이터만 있더라도 검증 세트가 생성됩니다(그리고 피팅을 요청하기 전에 해당 옵션을 보셨을 것입니다).
두 번째 추측은 두 개의 테이블이 있다는 것입니다. 하나는 훈련 데이터이고 다른 하나는 검증 데이터입니다. 그렇다면 두 테이블을 하나의 테이블로 합치고 행이 훈련 또는 검증에 속하는지 여부를 나타내는 열을 추가합니다. 이제 모델을 적합시킬 때 모델링 대화 상자의 검증 필드에 훈련 또는 검증을 나타내는 열을 입력합니다. 이제 출력은 원하는 대로 두 세트에 대한 통계를 제공합니다.
제 추측이 틀렸다면, 더 자세한 내용을 알려주시면 도와드리겠습니다.
안녕하세요 @MathBayesWhale4 님 ,
커뮤니티에 오신 것을 환영합니다!
이 포럼의 다른 회원들이 여러분의 질문에 빠르고 쉽고 정확하게 답변할 수 있도록, 가능한 한 많은 맥락, 사용한 플랫폼과 사용하는 JMP 버전에 대한 세부 정보, 발생한 상황의 스크린샷, 가능하다면 상황을 보여주고 재현할 수 있는 작은(익명 처리되거나 JMP 샘플) 데이터 세트를 제공하는 것이 좋습니다.
@jthi 의 게시물에서 질문을 구성하는 방법에 대한 자세한 내용을 읽을 수 있습니다: 올바른 질문에 대한 올바른 답변을 빠르게 얻는 방법
귀하의 질문으로 돌아가서, 다양한 세트와 그 용도 및 필요성을 명확하게 하기 위해 사용된 용어에 대한 몇 가지 알림이 있습니다.
- 훈련 세트 : 모델의 실제 훈련 에 사용됨
- 검증 세트 : 모델 최적화(예: 하이퍼파라미터 미세 조정, 기능/임계값 선택 등) 및 모델 선택에 사용됩니다.
- 테스트 세트 : 새 데이터나 보이지 않는 데이터에 대해 선택된 모델의 일반화 및 예측 성능 평가에 사용됩니다.
예측적 사고방식을 가지고 있고 머신 러닝 알고리즘을 사용하는 경우 검증 전략을 사용하지 않는 것은 극히 드뭅니다("본 적이 없는 경우"). 학습을 조정하기 위한 데이터가 필요하기 때문입니다(다른 하이퍼파라미터 설정, 기능 선택 등을 통해). 그리고/또는 하나를 선택하기 위해 다른 가능한 모델을 비교해야 하기 때문입니다(여러 모델을 학습한 경우). 사용 가능한 검증 전략은 많지만, 질문과 관련이 없는 것 같으므로 이 주제에 대해 더 자세히 설명하지 않겠습니다. 필요한 경우 이 답변을 읽어보세요: 해결됨: Re: 교차 검증 - 검증 열 방법 - JMP 사용자 커뮤니티
귀하의 질문과 관련하여, 귀하가 사용한 알고리즘/플랫폼 및 사용하고 있는 JMP 버전(JMP/JMP Pro, 라이선스 버전 등)에 대한 정보가 거의 없습니다.
@Dan_Obermiller 의 추측이 사실이고 Neural 플랫폼을 사용하는 경우, 신경 모델의 노드의 다른 가중치를 과적합의 위험 없이 데이터에 맞게 조정할 수 있도록 검증이 필요합니다. JMP 버전에는 기본적으로 몇 가지 검증 옵션이 있지만 JMP Pro의 검증 열과 함께 보다 유연한 옵션을 사용할 수 있습니다. Neural의 검증 방법
- 따라서 JMP 라이선스가 있다면 데이터를 두 부분으로 나눌 수 있습니다. 하나는 학습+검증용 테이블이고 다른 하나는 테스트용 테이블입니다. 첫 번째 테이블에 신경망을 맞춰 학습 및 검증하고 예측 공식 열을 저장한 다음 공식을 테스트 테이블에 복사하여 붙여넣습니다. 그런 다음 테스트 테이블에서 모델 적합도를 그래픽 및 통계적으로 분석할 수 있습니다(그래프 빌더로 그래프를 만들어 예측 값 대 실제 값, 잔차 등을 표시).
또한 모든 데이터를 한 표에 사용하고 테스트 세트에 사용될 행을 "숨기고 제외"하여 신경망이 이 데이터를 훈련 및 검증에 사용하지 않도록 할 수도 있습니다. 표에 공식을 저장하면 숨겨진 행과 제외된 행에 대한 예측 값도 제공됩니다.
- JMP Pro가 있다면 검증 열을 만들 수 있습니다. 숫자 0, 1, 2가 있는 열이며 해당 레이블은 "Training", "Validation" 및 "Test"입니다. 어떤 이유로 검증 세트가 필요하지 않으면 항상 훈련 및 테스트 세트만 설정할 수 있습니다.
이 추가 답변이 도움이 되기를 바랍니다.
