Niveau : Intermédiaire
Robert Anderson, consultant statistique senior chez JMP, SAS
Identifier correctement le meilleur modèle possible et déterminer les facteurs réellement importants sont des tâches cruciales, mais toujours complexes. La validation croisée est fréquemment utilisée pour limiter le surapprentissage et éviter l'inclusion de termes non pertinents dans un modèle. Cependant, cette méthode n'est pas infaillible, notamment avec de petits ensembles de données. Le modèle obtenu dépend souvent de la manière dont les lignes d'entraînement et de validation sont attribuées. Une seule colonne de validation ne permet pas d'identifier le « meilleur » modèle. En revanche, l'utilisation de plusieurs colonnes de validation permet d'y voir plus clair. À l'aide de la fonction Simulate de JMP Pro et de jeux de données simulés, cette présentation montrera comment le réajustement des modèles avec plusieurs colonnes de validation permet d'identifier le modèle le plus fréquent et le plus probable. Elle démontrera également que cette approche fonctionne même pour des ensembles de données ne comportant que 30 lignes.
