为了有效地进行预测建模,您需要依托丰富的模型验证方法;而采用较大模型时,又很容易会陷入过度拟合的麻烦之中。应始终对模型进行交叉验证,JMP Pro 通过数据分割、k 重交叉验证和可视化对比工具等方式来完成这项工作。长久以来,我们一直将数据划分为培训、验证和测试数据集,以便避免过度拟合现象并确保构建的模型不会依赖用于建模的特定样本的属性。凭借这一优势,所构建的模型能够全面地处理未来数据,从而得出由“数据驱动”的未来推断。
可轻松将数据划分为培训、验证和测试部分,以对模型的预测能力进行客观评估。
但是,纵然一切属实,观测数据的能力也仅限于此。要想真正了解因果关系,就应该尝试采用实验设计 (DOE)。JMP 为您提供使用简便、世界领先的 DOE 工具。