如何在JMP Pro中使用Neural platform进行验证列自动创建

寒泣露

翻译过来的一篇文章，不足之处还请见谅，仅供参考~

JMP Pro是用于快速构建多个模型的一种强大的工具。当建立预测模型，你需要可靠的方式来验证你的模型，否则你可以很容易地陷入困境过度拟合。在JMP中许多建模平台专业版支持验证列。验证列用于训练和验证部分分割你的数据了。训练数据用于构建模型，并验证数据是用来调整模型。有时，第三个分裂 - 测试 - 被用来模拟进来了，这样你可能会看到用以前模型执行看不见的新数据。

比方说，你想用70 ％的数据来构建模型，并节省30 ％的验证或微调模式。你可能会认为，考虑到所有的行进行随机抽样可能是最好的一段路要走 - 但很容易导致问题，如果你正在处理大量的异常值或一个罕见的事件。一个简单随机样本可以很容易地将所有重要的数据点（如罕见的事件）在训练集和验证集。这将创建最理想的建模条件，并可能导致你建立的模型是不是非常有用。

JMPPro中的Neural platform可以帮助你在短短的几个步骤自动创建一个公正且平衡的验证列。 Sample Data).">这里使用的是波士顿房屋数据集，这是在JMP中的示例数据（帮助>样本数据） 。对于这个数据，我想预测基于多种可能的预测房子的mvalue 。下面的分布表明，反应具有一批高mvalues ​​，我们要确保被均分到我们的训练和验证集。

在Neural Model Launch中，我可以为验证方法指定一个保留金比例。因为我希望有一个70/30拆分，我就把.3放进该区域。Neuralplatform将自动从最低到最高值排序，然后随机把记录分配给无论是基于我的比例期望的培训还是验证集。

我实际不是在神经网络模型在这里特别感兴趣，所以我可以接受默认值，然后单击：GO。然后从上拟合的红色三角形菜单，我会选择“保存验证”选项。

这将在我的数据表中自动创建一个新的验证柱，每一行都会标记“培训”或“验证”。

如果我们再次通过验证来看看其对应的分配，你可以看到，训练和验证集的性质非常接近。

Neuralplatform做了项伟大的工作，以一种智能的方式自动地对我的数据做了分割。

现在，我已经准备好着手建立我的模型 - 我知道我有一个坚实的数据分割方案，可以让我建立我的资料最翔实和有用的模型。无疑在JMP Pro中建立的验证列，我已经发现迄今最快捷，最可靠的方式。

英文原文链接：http://blogs.sas.com/content/jmp/2014/04/09/using-neural-platform-in-jmp-pro-for-automated-creation-of-validation-column/