Hola,
Espero que todos estén bien en este momento de gran incertidumbre.
Aquí hay un intento de mi primera aplicación usando la conexión entre JMP y Python para manejar un algoritmo de aprendizaje automático complejo sin JMP Pro.
El propósito de esta aplicación es lanzar una interfaz gráfica de usuario codificada en jsl y conectar esa interfaz con la API de aprendizaje automático "XGBoost".
He implementado la posibilidad de trabajar en 3 tipos de esquemas de validación: holdout / cross validation / grid search. Tanto la regresión como la clasificación se han desarrollado con pocos objetivos y métricas clásicas.
Al final de la capacitación, se proporciona un informe con el valor de las métricas tanto en el conjunto de capacitación / validación como en el desarrollo medio / estándar para la validación cruzada. En el caso de una capacitación de búsqueda de cuadrícula, el informe se suministra con los mejores resultados de hiperparámetros. También es posible exportar el modelo de Python para predecir nuevos datos sin volver a entrenar el modelo (pero debe hacerse en un entorno de Python)
Espero que funcione para todos, no soy un ingeniero de software profesional y esa aplicación se ha desarrollado principalmente durante las sesiones nocturnas, pero parece estar bien en mi computadora en todas las configuraciones probadas con esa configuración:
Numpy 1.18.1
Pandas 1.0.0
Scikitlearn 0.22.1
XGBoost 0.90
Y JMP 15.1 (en inglés, no tengo cheque en otros idiomas ...)
Luego debe verificar que JMP pueda manejar ese enlace con Python antes de usar la aplicación ... De hecho, conectar Python a JMP no es realmente sencillo y le aconsejo que se ponga en contacto con el soporte de JMP en caso de problemas porque esta integración es una pesadilla para los usuarios desde mi punto de vista (en mi caso con muchos bloqueos de JMP sin previo aviso o mensajes de error antes de que logre que funcione)
