La validation croisée calcule la capacité de prévision que possèdent les modèles potentiels pour vous aider à déterminer le nombre de composantes à conserver dans votre modèle. Utilisez la validation croisée afin de déterminer le nombre optimal de composantes pour vos données. Si les données contiennent plusieurs variables de réponse, Minitab valide les composantes de toutes les réponses simultanément. Pour plus d'informations, reportez-vous à la rubrique Validation croisée dans la PLS.
Minitab peut utiliser trois méthodes différentes pour la validation croisée :
- Aucune : option permettant de ne pas effectuer de validation croisée.
- Omettre une validation : option permettant de calculer les modèles potentiels en omettant une observation à la fois. Pour les grands ensembles de données, cette méthode peut prendre beaucoup de temps car elle recalcule les modèles autant de fois qu'il y a d'observations.
- Omettre un groupe de cette taille : indiquez le nombre d'observations à exclure chaque fois que le modèle est recalculé. Etant donné que cette méthode réduit le nombre de fois qu'un modèle doit être recalculé, elle est plus appropriée pour les grands fichiers de données.
- Omettre comme indiqué dans la colonne : option permettant de calculer les modèles en excluant simultanément les observations portant le même numéro dans la colonne d'identificateur de groupe. Cette méthode permet de préciser les observations omises en même temps. Par exemple, si la colonne des identificateurs de groupes comprend les chiffres 1, 2 et 3, toutes les observations qui comprennent le chiffre 1 sont omises ensemble et le modèle est recalculé. Ensuite, toutes les observations comprenant le chiffre 2 sont omises, et ainsi de suite.