안녕,
이 큰 불확실성의 시대에 모두가 잘 지내길 바랍니다
다음은 JMP Pro없이 복잡한 기계 학습 알고리즘을 처리하기 위해 JMP와 Python 간의 연결을 사용하는 첫 번째 앱의 시도입니다.
이 앱의 목적은 jsl로 코딩 된 그래픽 사용자 인터페이스를 시작하고 해당 인터페이스를 "XGBoost"기계 학습 API와 연결하는 것입니다.
홀드 아웃 / 교차 유효성 검사 / 그리드 검색의 3 가지 유형의 유효성 검사 체계에서 작동 할 가능성을 구현했습니다. 회귀와 분류는 모두 몇 가지 목표와 고전적인 지표로 개발되었습니다.
교육이 끝나면 보고서에 학습 / 검증 세트 또는 교차 검증을위한 평균 / 표준 개발에 대한 메트릭 값이 제공됩니다. 그리드 검색 교육의 경우 보고서에 최상의 하이퍼 파라미터 결과가 제공됩니다. 모델을 다시 학습하지 않고 새로운 데이터를 예측하기 위해 파이썬 모델을 내보낼 수도 있습니다 (그러나 파이썬 환경에서 수행해야 함)
나는 그것이 모든 사람에게 효과가 있기를 희망한다. 나는 전문 소프트웨어 엔지니어가 아니며 그 응용 프로그램은 심야 세션 동안 주로 개발되었지만 그 설정으로 테스트 된 모든 구성의 컴퓨터에서 괜찮은 것처럼 보인다.
누피 1.18.1
팬더 1.0.0
Scikitlearn 0.22.1
XGBoost 0.90
그리고 JMP 15.1 (영어로, 다른 언어로 확인하지 않았습니다 ...)
그런 다음 앱을 사용하기 전에 JMP가 Python과의 링크를 처리 할 수 있는지 확인해야합니다. 파이썬을 JMP에 연결하는 것은 실제로 간단하지 않으며 문제가 발생할 경우 JMP의 지원에 문의하는 것이 좋습니다.이 통합은 내 관점에서 사용자에게 악몽이기 때문에 (제 경우에는 경고 또는 작동하기 전에 오류 메시지가 표시됨)
