54803_de-DE

liliconcom

Frage der eingesackten Modellvorhersagen

 

Ich arbeite an einem neuronalen Netzmodell, das ich zusammengestellt habe, um eine Spalte für Mittelwert- und Standardfehlervorhersage zu erstellen.  Ich möchte dies nach Python exportieren, damit ein Kunde es einfacher verwenden kann.  Wenn ich den Scoring-Code generiere, wird der Mittelwert aller geschätzten Werte ermittelt.  Gibt es eine Möglichkeit, den Scoring-Code zu generieren, der auf die ursprünglichen Eingaben des neuronalen Netzes zurückgeht, anstatt auf die Säcke mit eingepackten Schätzungen?

 

Danke vielmals,

 

John

Re: Eingebettete Modellvorhersagen

Hmm, mir ist gerade eingefallen, dass wir verschiedene Dinge betrachten könnten. Welche JMP-Version verwenden Sie? Wenn Sie sich auf 13.1 oder 13.0 befinden, werden Sie nicht die Abhängigkeiten der eingebetteten Formeln erhalten, sondern nur die oberste Ebene der Formel. Die Auflösung der transitiven Abhängigkeitsformel erfolgte nur in 13.2.

 

Die Verwendung eines Ensembles neuronaler Netze führt wahrscheinlich zu sehr großen Modellen. Wenn die Codegröße zum Problem wird, freuen Sie sich auf 14.1. Dort können Sie Matrix-basierte Neural Networks (auch "schnelle Formeln") verwenden, die sowohl schneller als auch kleiner sind.

 

Re: Eingebettete Modellvorhersagen

Hallo John,

 

Sie sind sich nicht sicher, was Sie meinen, wenn Sie zu den ursprünglichen Eingaben zurückkehren. Der wichtigste Punkt bei der Bereitstellung des Modells besteht darin, neue Eingaben in Ihrer Produktionspipeline verarbeiten zu können. 

Meinen Sie damit, den Bagging-Algorithmus erneut ausführen zu können und neue "Taschen" basierend auf den neuen Daten einzufügen und dann den Mittelwert der neuen Modelle zu ermitteln? 

 

Ich bemerkte auch, dass bei der Codegenerierung ein Fehler aufgetreten ist, der auf die fehlende Unterstützung für den Operator "Mean" hinweist. Ich werde in einer zukünftigen Version Unterstützung hinzufügen, aber in der Zwischenzeit können Sie Unterstützung hinzufügen, indem Sie die Platzhaltermethode implementieren, die stattdessen generiert wird.

 

Grüße,

  Nascif