Simula la funzionalità per XGBoostCiao a tutti,
Vorrei sfruttare la funzionalità "Simula" per gli output delle statistiche JMP all'interno di XGBoost (valore di interesse> clic destro> simula). Sfortunatamente, ogni volta che lo faccio, ricevo un avviso JMP che dice: "Impossibile eseguire la simulazione. Nessuna colonna commutabile. "Tuttavia, ciò non è corretto. Ho colonne di funzioni che vorrei cambiare per simulare un valore, ad esempio sottocampioni o iterazioni, ma non posso.
Questa funzione è disabilitata per XGBoost? O fa parte del problema noto n. 4: lo scripting JSL non è completamente funzionante?
Voglio solo capire da dove proviene quell'errore poiché posso eseguire la funzionalità di simulazione su altre piattaforme ad albero all'interno di JMP.
Grazie,
DS
Ri: Simula funzionalità per XGBoostGrazie Mike, se il tempo lo consente, dovremmo provare un po 'di autovalidazione con XGBoost.
Ri: Simula funzionalità per XGBoostAh sì, scusa @DS , facendo clic con il pulsante destro del mouse su una colonna della tabella> Simula o Bootstrap non funziona al momento, ma sarà disponibile in JMP 16 Pro Early Adopter in uscita tra un mese o due. Nel frattempo la tua unica opzione è il looping manuale e l'estrazione con JSL, cosa che penso tu abbia. Sono contento che stiate facendo indagini in questo senso.
Ri: Simula funzionalità per XGBoostCiao @russ_wolfinger ,
Grazie per il feedback, ma penso che ciò a cui ti riferisci sia diverso da quello che stavo cercando di descrivere. Dopo aver eseguito un adattamento, vedere ad esempio le immagini allegate (ho cancellato i nomi delle colonne effettive e così via dall'immagine), è possibile fare clic con il pulsante destro del mouse sull'output di una tabella e selezionare Simula. Da lì, puoi scegliere di scambiare una determinata colonna con un'altra. Ad esempio, posso avere una nuova colonna di convalida che seleziona casualmente l'80% per l'addestramento e il 20% aggiuntivo per la convalida.
Ad esempio, dopo aver utilizzato una piccola tabella di ottimizzazione per un adattamento della foresta bootstrap, ho quindi eseguito una piccola simulazione sull'addestramento e sulla convalida R ^ 2 sostituendo la colonna di convalida originale (che era originariamente stratificata dalla risposta, Y) con la colonna 80/20 generata casualmente. In questo modo, dovrebbe essere in grado di testare il modello rispetto a set di convalida scelti a caso che non sono vincolati dalla stratificazione, testando così quanto sia robusto il modello tra treni e set di convalida scelti a caso. È più veloce dello scambio di nuove colonne di convalida.
La mia variabile Y è per lo più distribuita normalmente. Idea interessante per generare una distribuzione normale casuale dall'adattamento del modello. Non è molto diverso dalla funzionalità del simulatore nel Profiler, ma è un modo molto più veloce rispetto alla sua generazione. Sfortunatamente, non è proprio quello che sto cercando.
Questa funzione di simulazione sembra avere un bug nel componente aggiuntivo XGBoost in cui non riconosce alcuna colonna commutabile. Non visualizza la finestra di simulazione per scambiare le colonne.
Grazie, DS
Ri: Simula funzionalità per XGBoostCiao a tutti!
Qualcosa che ho fatto in passato con i modelli Tree è utilizzare un generatore di numeri casuali nella colonna del peso utilizzando il flusso di lavoro di Autovalidazione di Chris e Phil R. ( https://community.jmp.com/t5/JMP-Add-Ins/Add-in-To-Support-Auto-Validation-Workflow/ta-p/189991 ).
Migliore,
MRi: Simula funzionalità per XGBoostCiao @DS ,
La funzionalità di simulazione richiede che la formula contenga un qualche tipo di generatore di numeri casuali. Per quanto ne so, nessuno dei metodi basati su albero in JMP Pro fornisce formule come questa, ma puoi ottenerle in luoghi come Regressione generalizzata con Salva colonne> Salva formula di simulazione.
Una domanda di ricerca rilevante è: qual è un meccanismo di generazione di dati ragionevole dietro un modello di albero potenziato? Supponendo che la tua variabile Y sia distribuita approssimativamente normalmente, una cosa facile da provare sarebbe racchiudere la formula di previsione XGBoost con una chiamata Random Normal (), usando la previsione come parte media. Dovresti anche specificare qualcosa di ragionevole per la deviazione standard, una scelta ovvia è l'errore quadratico medio della radice fuori piega. Allo stesso modo, se Y è binario, inserisci la formula XGBoost all'interno di Random Binomial () come p e specifica n = 1.
Potresti essere una delle prime persone a condurre simulazioni in questo senso ei risultati sono probabilmente pubblicabili.
