Simular funcionalidad para XGBoostHola a todos,
Me gustaría aprovechar la funcionalidad "Simular" para las salidas de estadísticas de JMP dentro de XGBoost (valor de interés> clic derecho> simular). Desafortunadamente, siempre que lo hago, recibo una alerta JMP que dice: "No se puede realizar la simulación. No hay columnas intercambiables. "Sin embargo, eso no es correcto. Tengo columnas de funciones que me gustaría cambiar para simular un valor, por ejemplo, submuestra o iteraciones, pero no puedo.
¿Esta función está desactivada para XGBoost? ¿O es parte del problema conocido n. ° 4: las secuencias de comandos JSL no son completamente funcionales?
Solo quiero entender de dónde proviene ese error, ya que puedo ejecutar la funcionalidad de simulación en otras plataformas de árbol dentro de JMP.
Gracias,
DS
Re: Simular funcionalidad para XGBoostGracias Mike, si el tiempo lo permite, deberíamos intentar una validación automática con XGBoost.
Re: Simular funcionalidad para XGBoostAh si disculpas @DS , haciendo clic con el botón derecho en una columna de la tabla> Simular o Bootstrap no está funcionando actualmente, pero estará disponible en JMP 16 Pro Early Adopter que saldrá en uno o dos meses más. Mientras tanto, su única opción es el bucle manual y la extracción con JSL, que creo que tiene en marcha. Me alegro de que esté haciendo investigaciones en este sentido.
Re: Simular funcionalidad para XGBoostHola @russ_wolfinger ,
Gracias por los comentarios, pero creo que a lo que te refieres es diferente de lo que estaba tratando de describir. Después de realizar un ajuste, vea, por ejemplo, las imágenes adjuntas (eliminé los nombres de las columnas reales, etc. de la imagen), se puede hacer clic con el botón derecho en la salida de una tabla y seleccionar Simular. A partir de ahí, tiene la opción de cambiar una columna determinada por otra. Por ejemplo, puedo tener una nueva columna de validación que seleccione aleatoriamente el 80% para el entrenamiento y el 20% adicional para la validación.
Como ejemplo, después de usar una pequeña tabla de ajuste para un ajuste de bosque de arranque, hice una pequeña simulación en el entrenamiento y la validación R ^ 2 intercambiando la columna de validación original (que originalmente fue estratificada por la respuesta, Y) con la columna 80/20 generada aleatoriamente. Al hacer esto, debería poder probar el modelo con conjuntos de validación elegidos al azar que no están limitados por la estratificación, probando así cuán robusto es el modelo en los conjuntos de validación y trenes elegidos al azar. Es más rápido que cambiar nuevas columnas de validación.
Mi variable Y tiene una distribución mayoritariamente normal. Interesante idea para generar una distribución normal aleatoria a partir del ajuste del modelo. Eso no es muy diferente de la funcionalidad del Simulador en Profiler, pero es una forma mucho más rápida que generarlo. Desafortunadamente, no es realmente lo que busco.
Esta función de simulación parece tener un error en el complemento XGBoost donde no reconoce ninguna columna intercambiable. No abre la ventana de simulación para intercambiar columnas.
Gracias, DS
Re: Simular funcionalidad para XGBoost¡Oigan todos!
Algo que he hecho en el pasado con los modelos Tree es usar un generador de números aleatorios en la columna de peso usando el flujo de trabajo de Autovalidación de Chris y Phil R. ( https://community.jmp.com/t5/JMP-Add-Ins/Add-in-To-Support-Auto-Validation-Workflow/ta-p/189991 ).
Mejor,
METRORe: Simular funcionalidad para XGBoostHola @DS ,
La funcionalidad de simulación requiere que la fórmula contenga algún tipo de generador de números aleatorios. Por lo que puedo decir, ninguno de los métodos basados en árboles en JMP Pro proporciona fórmulas como esta, pero puede obtenerlas en lugares como Regresión generalizada con Guardar columnas> Guardar fórmula de simulación.
Una pregunta de investigación relevante es: ¿Cuál es un mecanismo de generación de datos sensible detrás de un modelo de árbol impulsado? Suponiendo que su variable Y tiene una distribución aproximadamente normal, una cosa fácil de intentar sería envolver la fórmula de predicción XGBoost con una llamada Random Normal (), usando la predicción como la parte media. También necesitaría especificar algo razonable para la desviación estándar, una opción obvia es el error cuadrático medio de la raíz fuera del pliegue. De manera similar, si Y es binario, coloque la fórmula XGBoost dentro de Random Binomial () como p y especifique n = 1.
Puede que seas una de las primeras personas en realizar simulaciones en este sentido y es probable que los resultados se puedan publicar.
