Minitab® 支持

指定 发现最佳模型 (连续响应) 的验证方法

了解关于 Minitab 的更多信息
预测分析模块 > 自动化机器学习 > 发现最佳模型 (连续响应) > 验证
注意

此命令适用于预测分析模块。单击此处了解更多关于如何激活模块的信息。

选择验证方法以确定最佳型号类型。通常，对于较小的样本，K 折叠交叉验证方法比较合适。对于较大的样本，可以选择使用一部分案例来进行训练和检验。

Minitab 呈现的选择取决于数据集的大小。选择与子对话中的选择相结合 项 ，提供平衡严谨性和计算速度的分析：
N < 1,500
子对话的验证方法 验证 是 K 折叠交叉验证。单位数是 5。 回归模型选择法项 子对话上是 逐步。
1,500 ≤ N < 2,000
子对话的验证方法 验证 是 K 折叠交叉验证。单位数是 5。 回归模型选择法项 子对话上是 前进法并验证。
2,000 ≤ N
子对话的验证方法 验证 是 使用测试集验证。测试集中的数据比例为 0.3。 回归模型选择法项 子对话上是 前进法并验证。

K 折叠交叉验证

完成以下步骤，使用 K 折叠交叉验证方法来验证检验样本。

  1. 从下拉列表中，选择K 折叠交叉验证。
  2. 指定检验员人数大多数情况下，默认值 5 效果良好。在任一情况下，更大的折叠数增加了选择更可靠的预测模型的机会，尤其是对于行数较少的数据集，但可能显著增加计算时间。较大的数字可以显著增加计算时间。
  3. （可选）选择存储 K 折叠交叉验证的 ID 列以保存 ID 列。

使用测试集验证

完成以下步骤，指定一部分数据用于训练和检验。在许多情况下，将使用 70% 的数据进行训练，使用 30% 的数据进行检验。

  1. 从下拉列表中，选择使用测试集验证。
  2. 指定测试集数据的分数。大多数情况下，默认值 0.3 效果良好。对于较大的数据集，您可能希望增加用于检验的数据比例。也可以为随机数生成元设置基数。当您在分析的不同运行中输入同一基数时，将行分配到测试集是相同的。
  3. （可选）选择存储训练/测试拆分的 ID 列以保存 ID 列。
Copyright © 2024 Minitab, LLC. All rights Reserved.