Dans ce cas pour DOE mais j'espère que c'est toujours la même gamme.
Il semble que le générateur interne utilise des nombres entiers de 1 à (2^32)-1 pour la valeur de réinitialisation.
Salut @vince_faller ,
Au début, je pensais que ce serait quelque chose de l'ordre de 1 à (2^19937)-1, car c'est la période du générateur Mersenne Twister que JMP utilise. Mais, malgré quelques essais et erreurs, j'ai découvert que je t semble être quelque part dans le voisinage de 1 à un entier de 64 bits. Ci-dessous se trouve un script où j'adapte deux modèles neuronaux avec l'ensemble de graines, et environ 9 223 372 036 854 775 295 est l'endroit où je passe à la graine qui n'est pas réellement définie (c'est-à-dire que les modèles ne correspondent pas puisque les ensembles de blocage diffèrent). Fait intéressant, ce n'est pas toujours juste au 9223372036854775295 que les choses se décomposent. Parfois c'est 9223372036854775295+1, parfois c'est 9223372036854775295 + 1000. Je suis confus par cela, et je suis désolé de ne pas avoir d'explication pour pourquoi; j'espère que quelqu'un d'autre le fera !
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA\Big Class.jmp" );
seed = 9223372036854775295; //works, i.e., same results for validation
//seed = 9223372036854775295 + 1000; //does not work
Neural(
Y( :sex ), X( :height, :weight ),
Informative Missing( 0 ),
Validation Method( "Holdback", 0.3333 ),
Set Random Seed( seed ),
Fit( NTanH( 3 ) )
);
Neural(
Y( :sex ), X( :height, :weight ),
Informative Missing( 0 ),
Validation Method( "Holdback", 0.3333 ),
Set Random Seed( seed ),
Fit( NTanH( 3 ) )
);
J'espère que cela aide un peu!
@julien
