Hallo,
Ich hoffe, dass es allen in dieser Zeit großer Unsicherheit gut geht
Hier ist ein Versuch meiner ersten App, die Verbindung zwischen JMP und Python zu verwenden, um einen komplexen Algorithmus für maschinelles Lernen ohne JMP Pro zu handhaben.
Der Zweck dieser App besteht darin, eine in jsl codierte grafische Benutzeroberfläche zu starten und diese Schnittstelle mit der API für maschinelles Lernen „XGBoost“ zu verbinden.
Ich habe die Möglichkeit implementiert, an drei Arten von Validierungsschemata zu arbeiten: Holdout / Kreuzvalidierung / Rastersuche. Sowohl die Regression als auch die Klassifizierung wurden für wenige Ziele und klassische Metriken entwickelt
Am Ende der Schulung wird ein Bericht mit Metrikwerten sowohl für den Zug- / Validierungssatz als auch für den Mittelwert / Standardentwickler zur Kreuzvalidierung bereitgestellt. Im Falle eines Rastersuchtrainings wird der Bericht mit den besten Hyperparameterergebnissen geliefert. Es ist auch möglich, das Python-Modell zu exportieren, um neue Daten vorherzusagen, ohne das Modell erneut zu trainieren (dies sollte jedoch in einer Python-Umgebung erfolgen).
Ich hoffe, es wird für alle funktionieren, ich bin kein professioneller Softwareentwickler und diese App wurde hauptsächlich während nächtlicher Sitzungen entwickelt, aber auf meinem Computer scheint sie in allen getesteten Konfigurationen mit dieser Einrichtung in Ordnung zu sein:
Numpy 1.18.1
Pandas 1.0.0
Scikitlearn 0.22.1
XGBoost 0,90
Und JMP 15.1 (auf Englisch habe ich keine Prüfung in anderen Sprachen…)
Sie sollten dann überprüfen, ob JMP diesen Link mit Python verarbeiten kann, bevor Sie die App verwenden ... Das Verbinden von Python mit JMP ist in der Tat nicht ganz einfach. Ich empfehle Ihnen, sich im Falle eines Problems an den JMP-Support zu wenden, da diese Integration aus meiner Sicht ein ziemlicher Albtraum für Benutzer ist (in meinem Fall mit vielen JMP-Abstürzen ohne Vorwarnung oder Fehlermeldungen, bevor es mir gelingt, das zum Laufen zu bringen)
