Salut à tous,
Ceci est un article pour commencer à poser des questions sur ce complément et pour être plus franc sur les questions et réponses.
Voici mes questions en général et en ce qui concerne JMP Genomics (qui obtient également ce complément):
- Quel est le principal problème que XGBoost est censé résoudre? (par exemple, modèles peu performants? Traiter des données clairsemées difficiles à traiter par d'autres méthodes? Problèmes de précision?) J'ai lu que cela augmente vraiment la vitesse de modélisation, mais quoi d'autre et s'il vous plaît, donnez un exemple.
- Comment cela s'applique-t-il aux données génomiques?
- Quel est le véritable avantage (avantage personnel et professionnel)? Le but est d'aider les SE à communiquer l'avantage à une organisation des raisons pour lesquelles elles voudraient investir dans le temps (et / ou $) pour la mise en œuvre.
- Quel est l'impact et l'ampleur d'un problème commercial?
- En dehors de Kaggle, quelqu'un a-t-il implémenté XGBoost et quel a été le résultat?
Merci,
Merci Chris d'avoir soulevé ces questions.
1. Quel est le principal problème que XGBoost est censé résoudre? (par exemple, modèles peu performants? Traiter des données clairsemées difficiles à traiter par d'autres méthodes? Problèmes de précision?) J'ai lu que cela augmente vraiment la vitesse de modélisation, mais quoi d'autre et s'il vous plaît, donnez un exemple.
XGBoost est pour la plupart une très bonne plate-forme de modélisation prédictive à usage général; une variante suralimentée de la plate-forme JMP Pro Boosted Tree actuelle. Comme Boosted Tree et Bootstrap Forest, il produit des statistiques d'importance variable et peut également être utilisé dans un mode plus explicatif pour déterminer les prédicteurs les plus forts et éliminer les plus pauvres. Il gère automatiquement les données manquantes dans les prédicteurs et possède des fonctions objectives pour tous les types courants de cibles Y. Il est relativement rapide et devrait par défaut utiliser tous les cœurs de votre machine lors du montage, et peut éventuellement utiliser un GPU NVIDIA sous Windows Le complément est livré avec deux exemples de base et un document expliquant ces derniers. Avec les capacités de manipulation de données, de nettoyage et d'ingénierie des fonctionnalités déjà à la pointe de la technologie dans JMP Pro, il offre un formidable moyen d'effectuer un apprentissage automatique moderne sur des données tabulaires sans avoir à écrire de code.
2. Comment cela s'applique-t-il aux données génomiques?
Il n'y a rien de spécifique dans XGBoost lié aux ensembles de données génomiques, mais cela peut bien fonctionner pour eux et pour d'autres problèmes de données étendus. Luciano Silva (développeur JMP Genomics) et moi avons fait quelques comparaisons avec certaines des meilleures routines de sélection génomique actuelles (par ex. Genomic BLUP) et il a tendance à fonctionner aussi bien mais pas significativement mieux.
3. Quel est le véritable avantage (avantage personnel et professionnel)? Le but est d'aider les SE à communiquer l'avantage à une organisation des raisons pour lesquelles elles voudraient investir dans le temps (et / ou $) pour la mise en œuvre.
XGBoost est le plus directement applicable aux problèmes commerciaux qui peuvent être convertis en problèmes de prédiction, bien que vous puissiez également l'utiliser pour analyser les données des expériences conçues. Il s'adapte bien aux ensembles de données plus volumineux. Pour les nouveaux utilisateurs, il faut apprendre à comprendre les paramètres de réglage, et nous avons ajouté des fonctionnalités qui utilisent DOE pour aider à régler ces paramètres. Nous utilisons également DOE d'une manière nouvelle dans une routine supplémentaire Make K-Fold Columns pour créer des divisions optimales équilibrées des données à utiliser pour la validation croisée. Consultez la documentation avec le complément pour une liste complète des ajouts de valeur JMP Pro apporte des fonctionnalités XGBoost standard.
4. Quel est l'impact et l'ampleur d'un problème commercial?
Dépend fortement du problème! Parfois, de petites améliorations dans les prévisions et la compréhension d'un système peuvent avoir de gros impacts, d'autres fois moins.
5. En dehors de Kaggle, quelqu'un a-t-il implémenté XGBoost et quel a été le résultat?
Je crois comprendre que de nombreuses organisations ont mis en œuvre avec succès des modèles XGBoost en production, mais je n'ai pas de bonnes références pour vous. Il y a beaucoup de discussions sur XGBoost en ligne. La plupart des gens exécutent et déploient XGBoost à partir de Python ou R. Il existe une option de triangle rouge pour enregistrer le code Python, qui est en fait du code complet pour la validation croisée du modèle à partir de zéro.
À tous: Nous sommes actuellement en mode Early Adopter et avons un nouveau groupe de communauté JMP configuré. Mia Stephens et Stephanie Mencia nous aident gentiment, et nous avons déjà reçu des commentaires fantastiques. Veuillez me faire savoir si vous souhaitez être ajouté au groupe ou si vous souhaitez simplement essayer le complément.
Salut Mike, L'avenir à ce sujet reste à définir et nous sommes ouverts aux suggestions. C'est la première fois que nous intégrons des analyses tierces de base dans JMP au niveau C ++ et, dans un premier temps, nous voulons maintenir une certaine distance et flexibilité via un complément. Je doute sérieusement que cela devienne une sorte de nouveau produit JMP, mais j'espère que cela aidera à améliorer les ventes de JMP Pro et nous fournira des informations précieuses sur certains des changements tectoniques qui se produisent avec les logiciels d'analyse.
Un autre point à ajouter à cette discussion: XGBoost a une licence LGPL3. Le fait est que nous ne sommes pas autorisés à le distribuer intégré dans le cadre du logiciel JMP standard, de peur que nous ne devions fournir JMP essentiellement gratuit pour tous. Le seul moyen est pour l'utilisateur de télécharger volontairement le package contenant ce module et d'assumer personnellement la responsabilité d'adhérer à la licence LGPL.
Brian
