如果我們在輸出中看到「訓練」和「驗證」結果，即使我們在 JMP pro 中分別將模型應用於測試資料和訓練資料。那麼如何才能獲得僅測試和訓練資料的結果預測建模和機器學習回覆：即使我們在 JMP pro 中將模型分別應用於測試數據和訓練數據，如果我們在輸出中看到「訓練」和「驗證」結果。那麼如何才能獲得僅測試和訓練資料的結果你沒有提供太多細節，所以我會做一些猜測。我猜你正在擬合一個神經網路。神經網路需要驗證集。因此，即使您的表中只有訓練數據，也會建立驗證集（並且您應該在請求擬合之前看到這些選項）。
我的第二個猜測是您有兩個表：一個包含訓練數據，另一個包含驗證數據。如果是這種情況，請將這些表合併為一個表，其中有一列指示該行屬於訓練還是屬於驗證。現在，當您要擬合模型時，請將指示訓練或驗證的欄位放入建模對話方塊的驗證欄位中。現在，輸出將根據您的需求提供兩組的統計資料。
如果我的猜測有誤，請提供更多詳細信息，以便我們提供幫助。
回覆：如果我們在輸出中看到「訓練」和「驗證」結果，即使我們在 JMP pro 中分別將模型應用於測試資料和訓練資料。那麼如何才能獲得僅測試和訓練資料的結果嗨@MathBayesWhale4 ，
歡迎來到社區！
為了讓本論壇的其他成員能夠快速、簡單和準確地回答您的問題，最好提供盡可能多的背景資訊、所使用平台和您使用的 JMP 版本的詳細資訊、您遇到的情況的螢幕截圖，如果可能的話，還有一個小型（匿名或JMP 樣本）資料集，您可以在其中顯示和重現您所面臨的情況。
您可以在@jthi的帖子中閱讀有關如何構建問題的更多信息： 快速獲得正確問題的正確答案
回到您的問題，關於所使用的術語的一些提醒，以便清楚不同的集合及其用途和需求：
- 訓練集：用於模型的實際訓練，
- 驗證集：用於模型最佳化（例如超參數微調、特徵/閾值選擇…）和模型選擇，
- 測試集：用於對新/未見資料的所選模型進行泛化和預測效能評估。
如果您處於預測思維模式並使用機器學習演算法，那麼不使用驗證策略的情況是極其罕見的（如果不是「從未見過」），因為您需要一些資料來調整學習（透過不同的超參數設定、特徵選擇、等等...），和/或比較不同的可能模型以選擇一個（如果您已經訓練了多個模型）。有許多可用的驗證策略，但我不會更深入地探討這個主題，因為它似乎與您的問題無關。如果需要，您可以閱讀此答案： 已解決：回應：交叉驗證 - 驗證列方法 - JMP 用戶社區
與您的問題相關，有關您使用的演算法/平台以及您正在使用的 JMP 版本（JMP/JMP Pro、許可證版本等）的資訊很少。
如果@Dan_Obermiller的猜測是正確的並且您正在使用神經平台，則需要進行驗證，以便可以根據您的資料調整神經模型中節點的不同權重，而不會出現過度擬合的風險。 JMP 版本中預設有一些驗證選項，但可以在 JMP Pro 中的驗證列中使用更靈活的選項： 神經網路驗證方法
- 因此，如果您擁有 JMP 許可證，您可以將資料分為兩部分：一張用於訓練+驗證的表，一張用於測試的表。將神經網路擬合到第一個表上進行訓練和驗證，保存預測公式列，然後將公式複製並貼上到測試表上。然後，您可以在測試表上以圖形方式和統計方式分析模型擬合（使用圖形產生器建立圖形以顯示預測值與實際值、殘差等...）。
您還可以使用一張表中的所有數據，並「隱藏和排除」將用於測試集的行，以便神經網路不會使用此數據進行訓練和驗證。將公式儲存在表中將為您提供隱藏行和排除行的預測值。
- 如果您有 JMP Pro，則可以建立驗證列。它是一個包含數字 0、1 和 2 的列，以及相應的標籤「訓練」、「驗證」和「測試」。如果您出於任何原因不需要驗證集，您始終可以僅設定訓練集和測試集：
希望這個補充答案對您有幫助，
