La validación cruzada calcula la capacidad predictiva de los posibles modelos para ayudarle a determinar el número adecuado de componentes que debe conservar en su modelo. Utilice la validación cruzada para determinar el número óptimo de componentes para sus datos. Si los datos contienen múltiples variables de respuesta, Minitab valida los componentes para todas las respuestas de manera simultánea. Para obtener más información, vaya a Validación cruzada en la regresión PLS.
Minitab puede realizar tres métodos diferentes de validación cruzada:
- Ninguno: No realizar validación cruzada.
- Dejar uno
fuera: Utilice esta opción para calcular los posibles modelos dejando por fuera una observación a la vez. Para los conjuntos grandes de datos, este método puede requerir mucho tiempo, porque vuelve a calcular los modelos tantas veces como haya observaciones.
- Dejar grupo fuera de
tamaño: Ingrese el número de observaciones que se excluirán cada vez que se vuelva a calcular el modelo. Puesto que este método reduce el número de veces que se debe recalcular un modelo, es más apropiado cuando se tiene un conjunto grande de datos.
- Dejar fuera como se
especifica en la columna: Utilice esta opción para calcular los modelos excluyendo al mismo tiempo las observaciones que tengan números coincidentes en la columna de identificadores de grupo. Este método permite especificar cuáles observaciones se omiten de manera conjunta. Por ejemplo, si la columna de identificadores de grupo incluye los números 1, 2 y 3, se omiten de manera conjunta todas las observaciones con 1 y se vuelve a calcular el modelo. A continuación, se omiten todas las observaciones con 2 y se vuelve a calcular el modelo, y así sucesivamente.