大家好，
這是一個帖子，旨在開始詢問有關此外接程序的問題，並對問題和答案更加坦誠。
這是我的一般問題，與JMP Genomics有關（也正在獲得此插件）：
- XGBoost應該解決的主要問題是什麼？（例如，性能不佳的模型？處理稀疏數據很難用其他方法處理嗎？準確性問題？）我讀過它確實提高了建模速度，但還有什麼要舉個例子。
- 這如何應用於基因組數據？
- 什麼是真正的利益（個人和企業利益）？目標是幫助SE向組織傳達其為什麼要在實施時間（和/或美元）上進行投資的好處。
- 對業務問題的影響和程度是什麼？
- 在Kaggle之外，是否有人實施XGBoost，結果是什麼？
謝謝，
感謝克里斯提出這些。
1。XGBoost應該解決的主要問題是什麼？（例如，性能不佳的模型？處理稀疏數據很難用其他方法處理嗎？準確性問題？）我讀過它確實提高了建模速度，但還有什麼要舉個例子。
XGBoost在很大程度上是一個非常好的通用預測模型平台；當前JMP Pro Boosted Tree平台的增強版本。 像Boosted Tree和Bootstrap Forest一樣，它會產生可變的重要性統計數據，因此也可以在更多的解釋性模式下使用，以確定最強的預測指標並消除最差的預測指標。 它會自動處理預測變量中的缺失數據，並具有針對所有常見Y目標的目標功能。 它相對較快，並且在安裝時默認情況下應使用計算機上的所有內核，並且可以選擇在Windows上使用NVIDIA GPU。該加載項隨附兩個基本示例和一個解釋它們的文檔。 借助JMP Pro中最先進的數據處理，清理和功能設計功能，它提供了一種強大的方式，無需編寫代碼即可對錶格數據執行現代機器學習。
2。這如何應用於基因組數據？
XGBoost中沒有與基因組數據集相關的特定內容，但是它可以很好地解決這些問題以及其他廣泛的數據問題。 Luciano Silva（JMP基因組學開發人員）和我與一些當前最佳的基因組選擇程序進行了一些比較（例如 基因組BLUP），它的效果通常一樣好，但效果卻不明顯。
3。什麼是真正的利益（個人和企業利益）？目標是幫助SE向組織傳達其為什麼要在實施時間（和/或美元）上進行投資的好處。
XGBoost最直接適用於可以被轉換為預測問題的業務問題，儘管您也可以使用它來分析設計的實驗中的數據。 它可以很好地擴展到更大的數據集。 對於新用戶，需要進行一些學習以了解調整參數，並且我們添加了使用DOE來幫助調整這些參數的功能。 我們還在補充例程Make K-Fold Columns中以新穎的方式使用DOE，以創建最佳平衡的數據拆分以用於交叉驗證。 有關附加值的完整列表，請參閱帶有附加文件的文檔JMP Pro帶來了標準XGBoost功能。
4。對業務問題的影響和程度是什麼？
高度取決於問題！有時，對系統的預測和理解的微小改進可能會產生很大的影響，而其他時候影響不大。
5，在Kaggle之外，是否有人實施XGBoost，結果是什麼？
我的理解是，許多組織已經在生產中成功實現了XGBoost模型，但是我沒有任何好的參考資料。 在線上有很多關於XGBoost的討論。 大多數人都從Python或R運行和部署XGBoost。有一個紅色三角形選項可以保存Python代碼，實際上這是用於從頭開始交叉驗證模型的完整代碼。
致所有人：我們目前處於“早期採用者”模式，並且建立了一個新的JMP社區組。 Mia Stephens和Stephanie Mencia會為您提供幫助，我們已經收到了一些很棒的反饋。 如果您想添加到網上論壇，或者只是想嘗試該加載項，請告訴我。
嗨，邁克，尚待解決，我們歡迎提出建議。 這是我們第一次在C ++級別將硬核第三方分析集成到JMP中，並且第一步，我們希望通過外接程序保持一定的距離和靈活性。 我嚴重懷疑這將成為任何一種新的JMP產品，但希望它能幫助提高JMP Pro的銷量，並為我們提供有關分析軟件正在發生的某些構造轉變的寶貴見解。
討論的另一點是：XGBoost擁有LGPL3許可證。 簡短的是，我們不允許將其作為常規JMP軟件的一部分進行嵌入式分發，以免我們必須向所有人免費提供JMP。 唯一的方法是讓用戶自願下載包含此模塊的軟件包，並對自己遵守LGPL許可證承擔個人責任。
布賴恩
