发布日期: 09/18/2023

K 折和保留验证

“验证列”角色提供了一个将数据划分为交叉验证集的框架。此外,某些 JMP 平台还支持 K 折验证和多种类型的“保留”验证。

K 折交叉验证

将原始数据划分为 K 个子集。这 K 个子集依次对基于剩余 k-1 个子集的数据构建的模型进行验证,总共拟合 K 个模型。选择生成最佳验证统计量的模型作为最终模型,构建该模型时未使用的那一折提供报表中显示的验证集性能统计量。

注意:对于某些平台,您必须在模型控制面板中指定“K折交叉验证”。对于其他平台,您必须在平台启动窗口中指定“K 折交叉验证”。还有另外一些平台,您必须通过包含三个以上水平的验证列指定“K 折交叉验证”。

随机验证保留

(可作为特定平台的启动选项。)将原始数据随机划分为训练集和验证集。也可包括测试集。您可以指定要在每个集中使用的原始数据的比例。

留一法验证保留

(可用作特定平台的选项。)重复拟合模型,一次留一个观测。留一法验证也称为 Jackknife 过程。

排除行作为验证保留

将数据表中的排除行用作验证保留集。对于 JMP Pro,可通过在平台首选项中选择使用该选项。

注意:对于支持将排除行用作验证保留集的平台,仅当启动窗口中没有指定验证列或验证比例时才使用排除行。

表 A.2 按平台划分的 K 折和保留验证

平台

排除行作为验证保留

随机验证保留

留一法保留

K 折交叉验证

拟合模型

拟合最小二乘法

否

否

否

否

逐步回归

否

否

否

是(仅用于连续响应模型)

Logistic 回归

否

否

否

否

Image shown here广义回归

否

是

是

是(通过模型控制)

Image shown here偏最小二乘

否

是

是

是(通过模型控制)

预测模型

神经

是

是

否

是(通过模型启动或验证列)

分割

是

是

否

是(在平台首选项中选择该选项)

Image shown hereBootstrap 森林法

是

是

否

否

Image shown here提升树

是

是

否

否

Image shown hereK 最近邻

是

是

否

否

Image shown here朴素 Bayes

是

是

否

否

Image shown here支持向量机

否

是

否

是(通过模型启动)

专业模型

Image shown here函数数据分析器

否

否

否

否

多元模型

判别

可选

否

否

否

偏最小二乘

否

是

是

是(通过模型启动或验证列)

Image shown here提升

否

是

否

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).