Salut,
J'espère que tout le monde va bien en cette période de grande incertitude
Voici une tentative de ma première application utilisant la connexion entre JMP et Python pour gérer un algorithme d'apprentissage machine complexe sans JMP Pro.
Le but de cette application est de lancer une interface utilisateur graphique codée en jsl et de connecter cette interface avec l'API d'apprentissage automatique «XGBoost».
J'ai mis en place la possibilité de travailler sur 3 types de schéma de validation: holdout / validation croisée / recherche de grille. La régression et la classification ont été développées sur peu d'objectifs et de métriques classiques
À la fin de la formation, un rapport est fourni avec une valeur de métrique à la fois sur l'ensemble train / validation ou sur l'écart moyen / standard pour la validation croisée. Dans le cas d'une formation à la recherche sur la grille, le rapport est fourni avec les meilleurs résultats d'hyperparamètres. Il est également possible d'exporter le modèle python pour prédire de nouvelles données sans entraîner à nouveau le modèle (mais cela doit être fait dans un environnement python)
J'espère que cela fonctionnera pour tout le monde, je ne suis pas un ingénieur logiciel professionnel et cette application a été développée principalement pendant les sessions de fin de soirée mais elle semble OK sur mon ordinateur dans toutes les configurations testées avec cette configuration:
Numpy 1.18.1
Pandas 1.0.0
Scikitlearn 0.22.1
XGBoost 0.90
Et JMP 15.1 (en anglais, je n'ai pas de chèque dans d'autres langues…)
Vous devez ensuite vérifier que JMP peut gérer ce lien avec Python avant d'utiliser l'application ... La connexion de Python à JMP n'est en fait pas vraiment simple et je vous conseille de contacter le support de JMP en cas de problème car cette intégration est tout à fait un cauchemar pour les utilisateurs de mon point de vue (dans mon cas avec beaucoup de plantages JMP sans aucun avertissement ou des messages d'erreur avant que je réussisse à le faire fonctionner)
