一个或多个验证列在附加的 JMP 文件中，我为每个响应变量重量、转弯半径和马力建立了三个单独的回归模型，并设置了三个单独的验证列（训练集 = 70%，验证集 = 15%，训练集 = 15%）。
是否有必要为每个响应变量创建验证列来建立回归模型，或者只需一个具有任何一个响应变量的验证列就足够了？
基础数据分析与建模预测模型和机器学习回复：一个或多个验证列嗨@madhu ，
2025 年新年快乐！
您的问题没有正确或错误的答案。
由于您正在以机器学习（又称数据驱动）的方式为不同的响应构建预测模型，因此这里使用了不同的集合：
- 训练集 ：用于 模型的实际训练，
- 验证集 ：用于模型优化（例如超参数微调、特征/阈值选择等）和模型选择，
- 测试集 ：用于对所选模型在新/未见数据上的泛化和预测性能评估。在此阶段，您不应该有多个模型相互竞争。
我认为对“调试”所有三个响应使用一个验证列更加有用，以了解可以从数据中提取多少信息，并使用相同的训练和验证数据，根据响应对预测任务的难度进行更好的评估/比较。
如果使用不同的验证列更改训练、验证和测试集中观测值的重新划分，则可能更难弄清楚为什么某个响应无法正确/精确地预测：是因为用于拟合模型的点的分层/重新划分吗？还是因为这种响应的预测更难实现？
顺便提一下，即使您使用一个验证列，我也建议您创建一个分层验证列公式：特征的分层有助于确保您的训练、验证和测试集的分布相似，从而防止集合之间出现任何数据分布偏移，这可能会损害算法的学习/模型拟合的泛化。使用公式验证列类型，您可以创建模拟并使用各种类似的数据分割来评估算法的稳健性。
请参阅已解决：如何自动化并将许多重复验证汇总到一个输出表中？ - JMP 用户社区
并解决：提升树 - 调整表设计 - JMP 用户社区
您还可以使用具有固定随机种子的K 折交叉验证列（以确保模型结果的可重复性）来评估算法对几个响应的稳健性和预测性能。
希望这个答案能帮助你，
回复：一个或多个验证列你好@Victor_G
感谢您对我的查询的评论。它们很有道理。问候
