신경망의 검증 방법
신경망 플랫폼은 적합 루틴에 검증 방법을 사용합니다. 검증 방법 선택에는 홀드백, K 폴드 또는 검증 열 사용(JMP Pro)이 포함됩니다. 신경망 플랫폼에서는 다음을 수행하여 모형을 적합시킵니다.
• 모형 모수에 벌점 적용
• 검증 데이터 집합을 사용하여 모수에 대한 벌점 조정
다음 검증 방법 중 하나를 선택합니다.
제외된 행 홀드백
행 상태를 사용하여 데이터의 부분집합을 생성합니다. 제외되지 않은 행은 훈련 데이터 집합으로 사용되고 제외된 행은 검증 데이터 집합으로 사용됩니다.
행 상태 사용 및 행 제외 방법에 대한 자세한 내용은 JMP 사용의 "Hide and Exclude Rows in Data Tables"에서 확인하십시오.
홀드백
원래 데이터를 무작위로 훈련 데이터 집합과 검증 데이터 집합으로 나눕니다. 원래 데이터에서 검증 데이터 집합으로 사용할 비율을 지정합니다(홀드백). 랜덤 선택은 단순 랜덤 표집을 기반으로 할 때보다 더 균형 있는 훈련 데이터 집합 및 검증 데이터 집합을 생성하기 위해 모형 요인에 대한 층화 표집을 기반으로 합니다.
K 폴드
데이터를 K개의 부분집합 또는 폴드로 나눕니다. 그러면 K개의 모형 전체를 적합시킬 때 K개의 폴드 각각이 나머지 데이터에 대한 모형 적합을 검증하는 데 사용됩니다. 최종 모형은 최량 검증 통계량을 제공하는 모형을 생성한 폴드에 대한 모형입니다.
이 방법은 제한된 양의 데이터를 효율적으로 사용하기 때문에 소규모 데이터 집합에 유용합니다.
검증 열
검증 데이터 집합을 정의하는 숫자 열을 사용합니다. 다음과 같이 열의 값에 따라 데이터 분할 방법이 결정됩니다.
– 검증 열에 두 개의 수준이 있는 경우 더 작은 값이 훈련 데이터 집합을 정의하고 더 큰 값이 검증 데이터 집합을 정의합니다.
– 검증 열에 세 개의 수준이 있는 경우 작은 값부터 순서대로 훈련 데이터 집합, 검증 데이터 집합, 테스트 데이터 집합을 각각 정의합니다.
– 검증 열에 4개 이상의 고유 값이 있는 경우 K 폴드 검증이 수행됩니다. 폴드 수는 검증 열의 값 수에 따라 결정됩니다.
신경망 플랫폼에서는 검증 열을 사용하여 모형을 훈련 및 조정하거나 모형을 훈련, 조정 및 평가합니다. 검증에 대한 자세한 내용은 "JMP 모델링의 검증"에서 확인하십시오.