가우스 모델 (kriging)을위한 OSX (El Capitan)에서 JMP가 매우 느린 이유<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕하세요,
Intel Corei7 프로세서와 8Gb RAM이 장착 된 Macbook에 JMP 12를 구입하여 설치했습니다.
JMP는 좋지만, 주로 kriging 접근법 (모델, 가우스)을 사용하여 메타 모델을 견적하기 위해 구입했습니다.
불행하게도, 추정 과정은 대단히 느립니다. 나는 8 개의 독립 변수로 2400 개의 관측점을 가진 데이터의 하위 집합을 사용하고 있으며, 영원히 (지금까지 12 시간 이상 소요) 진행 막대가 거의 움직이지 않습니다.
이게 정상인가? 나는이 플랫폼이 다중 코어 (4 개의 스레드를 실행할 수있는 두 개의 코어가 있음)를 이용할 수 없다는 것을 읽었습니다. 어떻게하면이 과정을 가속화 할 수 있을까요?
4 코어를 가진 MacBook Pro도 있습니다. JMP 라이센스도 설치할 수 있습니까? 다중 코어를 사용하지 않는다면 문제가 해결되지 않을 것입니다. 상상해보십시오.
나는 나의 연구를 위해 할 많은 Kriging 견적을 가질 것이다. 그래서 어떤 생각이라도 매우 환영받을 것이다.
매우 진심으로,
교수. 무라트 요 딜 자 글루
이유는 JMP가 Gaussian 모델 (kriging) OSX (El Capitan)에서 매우 느린 이유입니다.Ryan,
저는 현재 JMP 12 데모를 테스트 중이고 중요한 문제 중 하나는 가우스 프로세스의 속도가 비교적 느립니다. 10 개의 변수와 1000 개의 행으로 이루어진 데이터 집합. Python 4s, JMP> 5 시간.
나는 당신이 JMP 13의 출시시기에 관해 말할 수 없다고 생각하니? 가우스 프로세스를위한이 빠른 엔진은 Pro 버전에서만 사용할 수 있습니까?
친절하게 생각해.
안드레아스
이유는 JMP가 Gaussian 모델 (kriging) OSX (El Capitan)에서 매우 느린 이유입니다.Yildzoglu 교수,
나는 동의한다, Neural Nets는 그들 중 하나 인 parsimonious 모델로 자신 만의 도전 과제를 제시한다. JMP Pro를 사용하고 있습니까? JNMP Pro에는 NN 플랫폼으로보다 견고한 예측 모델을 구축 할 수있는 몇 가지 옵션이 있습니다. 이 모델들은 동일한 데이터를 위해 구축 한 가우스 모델만큼이나 간략하지는 않을 지 모르지만, 예측 능력은 그와 비슷하거나 더 좋을 것입니다.
내가 가우스보다 더 나은 (대부분의 경우) NN을 선호하는 이유는 가우스가 모든 점을 정확히 맞추기는하지만 두 개의 연속적인 데이터 점 사이의 적합성을 결정하기 어렵고 외삽 법입니다. 이를 확인하는 한 가지 방법은 Jackknife의 실제 당신에게 맞는 가우스 피팅을 예측했습니다. 오른쪽 위 모서리에서 왼쪽 하단으로 45도 선을 그립니다. 데이터가이 행에 빡빡하다면 데이터에 편향이 거의없고 점 사이에서도 적합하다는 신뢰를 가질 수 있습니다. 당신은 많은 장점을 가지고 있으며 점 사이에서 무슨 일이 일어나고 있는지 걱정할 필요가 없을 수도 있습니다.
예측 프로파일 러는 연속 점 사이에서 가우스 피팅이 어떻게 변동하는지 보여줍니다. 첨부 된 데이터 테이블에는 가우스 적합, 일반 최소 제곱 (OLS) 적합 및 동일한 데이터 세트의 NN 적합에 대한 프로파일 러 비교가 있습니다. NN 적합성은 Tan H 활성화 기능과 5 단계 K- 폴 교차 검증에서 3 개의 숨겨진 노드로 적합했습니다. OLS 적합성은 RSM을 사용하여 다소 단계적으로 가변 감소를 사용하여 작성되었습니다. 내가 지적하고자하는 한 가지는 " 흔들 거리는 소리 가우스 프로파일 러는 다른 두 프로파일과 비교됩니다. 독립 변수 중 하나에서 값을 이동하면 예측 값이 변경되지만 가우스 프로파일 러에서는 독립 변수에 대한 개별 예측 선이 다른 두 적합 모델과 비교하여 상당히 크게 움직일 수 있음을 알 수 있습니다.
또한 Fit Y by X를 사용하여 세 모델의 비교를 실행했습니다. 가우스 적합은 모델에 가장 적합하지만 프로파일 러에서 보는 것과 일치하지 않습니다. 편향이 없다면 guassian fit에 대한 프로파일 러는 점대 점으로 이동할 때 다른 두 점만큼 평평합니다.
여기서 사용한 데이터는 본질적으로 확률 론적이지만 컴퓨터 시뮬레이션과 같은 결정 론적 시스템에서 같은 유형의 결과를 보는 것은 드문 일이 아닙니다.
베스트,
계산서
이유는 JMP가 Gaussian 모델 (kriging) OSX (El Capitan)에서 매우 느린 이유입니다.Bill and Ryan 대단히 감사합니다!
나는 당신의 제안 Bill을 이미 따라갔습니다. 실제로 ANN은 훨씬 빠릅니다. 안타깝게도 숨겨진 노드의 수를 변경하면 추정치가 매우 불안정 해 보입니다. 종속 변수와 독립 변수 간의 관계가이 매개 변수를 변경하면 반대로 나타날 수 있습니다. 어느 것이 확신하지 못한다 ...
내가하려는 일에 대한 아이디어를 얻으려면 : 매개 변수와 경제 시뮬레이션 모델의 결과 사이의 관계를 이해하려고 노력하고 있습니다. DoE와 kriging 추정을 사용하면 우리가 전산 경제학 (Computational Economics) 논문에서 보여준 것처럼 우리의 맥락에서 멋지고 간결한 결과를 얻을 수 있습니다.
I. Salle, M. Yildizoglu, 전산 경제 모델을위한 효율적인 샘플링 및 메타 모델링 , 곧 전산 경제학 , 온라인 출판, 2013 년 11 월.
이유는 JMP가 Gaussian 모델 (kriging) OSX (El Capitan)에서 매우 느린 이유입니다.빌의 제안은 NN 플랫폼을 시험해 보는 것에 대한 훌륭한 제안입니다. JMP Pro 13의 가우스 프로세스 플랫폼을 업데이트하고 있음을 알려드립니다. 이러한 업데이트에는 전체 코어를 신속하게 평가할 수있는 새로운 기술과 여러 코어가있을 때이를 활용할 수있는 기능이 통합되어 있습니다.
이유는 JMP가 Gaussian 모델 (kriging) OSX (El Capitan)에서 매우 느린 이유입니다.안녕하세요. Yildzoglu,
과거의 경험에 비추어 볼 때, 100 회 정도 관측을하면 Gaussian 플랫폼은 컴퓨터의 성능에 관계없이 상당히 느려집니다. 당신은 당신의 메타 모델을위한 Neural Net 플랫폼을 사용해 보셨습니까? 이전의 사례에서 우리는 NN 플랫폼이 일반적으로 동일한 데이터에 대해 가우스 플랫폼보다 좋은 근사 모델을 제공하고 더 큰 데이터 세트로 훨씬 빠르다는 것을 발견했습니다.
베스트,
계산서
