44248_it-IT

liliconcom

Prestazioni JMP vs. Altri strumenti (più grandi): quando utilizzarli?Ri: JMP Performance vs. Altri strumenti (più grandi): quando utilizzarli?

Jerry:

 

Ecco come rispondo a questa domanda di "Quando utilizzare JMP vs. SAS vs. R?". Di solito faccio prima molte altre domande di sondaggio, come ad esempio:

 

1. Le "prestazioni" possono essere valutate in vari modi. Quali sono le caratteristiche "prestazionali" più importanti ... quali non importanti? Puoi finire con molte discussioni su questo punto da solo ... come l'interfaccia utente (che nella mia mente non è esattamente orientata alle prestazioni ma spesso si presenta come parte di questa discussione.) O velocità di risposta. O un altro binario può / non può fare domande? Ad esempio, se finisci in un 'JMP può farlo? tipo di conversazione ... SAS vincerà se per nessun altro motivo la dimensione del potenziale toolbox di analisi è enorme rispetto a JMP).

 

2. Quanto è importante il supporto tecnico continuo per il software e le risorse fornite dallo sviluppatore / produttore del software?

 

3. Esistono considerazioni sulla distribuzione dell'hardware e dell'IT che possono influenzare la scelta delle opzioni di distribuzione del software?

 

4. Qual è il budget per 3. sopra e il software stesso?

 

5. Quanto è importante la capacità di interagire in modo dinamico con i dati, i report / i risultati dell'analisi e la capacità di condividere con gli altri con e senza l'applicazione principale utilizzata per generare i risultati?

 

Quindi ormai il potenziale cliente / cliente sta probabilmente iniziando a pensare a tutto "JMP vs. SAS vs. La conversazione "R" è molto più complessa del confronto rigoroso tra set di funzionalità. Sicuramente mi piacerebbe possedere una Lamborghini ... ma ho una Toyota RAV 4 e Mustang convertibili nel mio vialetto perché molte altre considerazioni sono state prese nella decisione di acquisto di Sharon e della mia auto oltre a "caratteristiche" e "prestazioni".

 

 

Ri: JMP Performance vs. Altri strumenti (più grandi): quando utilizzarli?

Ciao Jerry,

Immagino che per cose generali ci siano altri che possono entrare. In particolare per Neural Nets credo che non appena vi imbatterete in qualcuno che ama Neural Nets JMP non sia lo strumento giusto da usare. Sei limitato a uno o due livelli (Pro). Non è possibile modificare la funzione di allenamento. Solo per citarne alcuni popolari:

Algoritmo
	Levenberg-Marquardt
	Regolarizzazione bayesiana
	BFGS Quasi-Newton
	Backpropagation resiliente
	Gradiente coniugato in scala
	Gradiente coniugato con riavvii Powell / Beale
	Gradiente coniugato Fletcher-Powell
	Gradiente coniugato di Polak-Ribiére
	One Step Secant
	Discesa della pendenza del tasso di apprendimento variabile
	Discesa a gradiente con slancio
	Discesa a gradiente

 

Alla gente piace modificare le reti neurali. Abbiamo una sorta di capacità di manipolazione come penalità, robusta, struttura a strati, potenziamento. Tuttavia, nel mondo NN ci sono anche diversi pacchetti disponibili per le funzioni di trasferimento, come forwardpropagation o backpropagation.

Sebbene per molte situazioni ciò che forniamo sia sufficiente (e di solito supera Excel-AddIns che fornisce NN), le persone che conoscono NN useranno altri strumenti per questo. Questo può essere R, MATLAB o SAS (sebbene sia molto più costoso e quindi solo una vera opzione per i clienti SAS, di solito nessuna opzione per le piccole e medie imprese (nella mia esperienza). Possa l'uso di R da JSL può essere un buon compromesso per NN.

 

Per quanto riguarda il multithreading o persino il parallel o il GPU computing, credo che JMP sarà alla fine della lista confrontando JMP, SAS, R, MATLAB. JMP fornisce il multithreading per diversi algoritmi. finora non fornisce elaborazione parallela / GPU. Gli altri necessitano di una macchina con più core o di una macchina di calcolo di distribuzione dedicata (se non GPU sulla stessa macchina). Una nota a margine: il multithreading non è distribuito / parallelo / elaborazione GPU. Quest'ultimo può anche prendere in considerazione l'algebra lineare e dividere le moltiplicazioni della matrice di grandi dimensioni in diversi calcoli su un'unità separata e trasferire il risultato finale.

Quindi tutto nel rilevamento di immagini, simulazioni monte-carlo, algebra lineare, routine di ottimizzazione complesse (globali), .. sono buoni per quelli. (Naturalmente anche i giochi;))

 

Penso che genReg abbia fatto un grande passo avanti negli ultimi anni anche per quanto riguarda le prestazioni. Quindi questo potrebbe essere uno in cui puoi puntare all'utilizzo di JMP (Pro). Anche Bootstrap Forest è abbastanza veloce.

 

A seconda della macchina, RAM da un lato, ma anche quanti core condividono la RAM, cos'altro è occupato dal sistema, su cosa sta lavorando il sistema nella parte posteriore, da quanto tempo è già in esecuzione il sistema, come è la memoria utilizzato, tutto può influire sulle prestazioni indipendentemente dalle dimensioni del file.

 

Non ne sono sicuro, ma alcuni potrebbero saperlo. A volte ho l'impressione che JMP stia cercando di non allocare la memoria in anticipo per l'intera matrice / vettore, nel caso in cui stia aggiungendo iterativamente valori a una matrice / vettore. Ciò potrebbe comportare problemi di memoria poiché dopo un po 'la posizione della memoria iniziale è troppo piccola e l'indirizzo deve cambiare in un luogo più grande. L'unione dei bit di memoria diffusa può liberare memoria e quindi migliorare le prestazioni. Potrebbe essere una buona pratica farlo prima di eseguire una grande analisi. Qualche esperienza disponibile?

 

 

 

 

 

 

Ri: JMP Performance vs. Altri strumenti (più grandi): quando utilizzarli?

Non sono sicuro del perché non sia stato possibile pubblicare l'argomento originale, ma ecco cosa sto cercando.

 

Ho un cliente che ha posto la domanda: come si confronta la prestazione di JMP con altri strumenti più grandi per varie analisi?

 

Quello che sta cercando sono le linee guida su quando usare JMP e quando usare SAS e / o R (entrambi i quali ha accesso).  Ovviamente ci sono problemi che sono troppo grandi per essere gestiti da JMP, quindi ci rivolgiamo a R. Inoltre, ho il sospetto che ci siano alcuni problemi in cui JMP è davvero bravo (ad es. Regressione lineare), ma forse non è così buono dal punto di vista delle prestazioni per gli altri attività (ad esempio reti neurali ??), in cui SAS potrebbe trarre vantaggio da core CPU o GPU aggiuntivi su macchine più grandi di quelle che JMP è in grado di gestire.

 

Non sono sicuro di come rispondere a questa domanda, quindi ho pensato di iniziare una conversazione qui.  La risposta potrebbe essere "Se si adatta a JMP sul tuo PC, usa JMP, altrimenti usa SAS". Oppure potresti avere altri pensieri basati sulla tua esperienza.

 

Grazie in anticipo per qualsiasi consiglio tu possa fornire!