Simulieren Sie die Funktionalität für XGBoostHallo zusammen,
Ich möchte die "Simulieren" -Funktion für JMP-Statistikausgaben in XGBoost nutzen (Wert von Interesse> Rechtsklick> Simulieren). Leider erhalte ich immer dann einen JMP-Alert, der besagt: "Simulation kann nicht durchgeführt werden. Keine umschaltbaren Spalten. "Dies ist jedoch nicht korrekt. Ich habe Funktionsspalten, die ich zum Simulieren eines Werts ausschalten möchte, z. B. Unterabtastung oder Iterationen, aber ich kann nicht.
Ist diese Funktion für XGBoost deaktiviert? Oder ist es Teil des bekannten Problems Nr. 4: JSL-Skripte sind nicht voll funktionsfähig?
Ich möchte nur verstehen, woher dieser Fehler kommt, da ich Simulationsfunktionen auf anderen Baumplattformen in JMP ausführen kann.
Vielen Dank,
DS
Betreff: Simulieren Sie die Funktionalität für XGBoostVielen Dank, Mike. Wenn es die Zeit erlaubt, sollten wir versuchen, eine automatische Validierung mit XGBoost durchzuführen.
Betreff: Simulieren Sie die Funktionalität für XGBoostAch ja, Entschuldigung @DS Klicken Sie mit der rechten Maustaste auf eine Tabellenspalte.> Simulieren oder Bootstrap funktioniert derzeit nicht, wird jedoch in ein oder zwei Monaten in JMP 16 Pro Early Adopter verfügbar sein. In der Zwischenzeit ist Ihre einzige Option das manuelle Schleifen und Extrahieren mit JSL. Ich bin froh, dass Sie Untersuchungen in dieser Richtung durchführen.
Betreff: Simulieren Sie die Funktionalität für XGBoostHallo @russ_wolfinger ,
Vielen Dank für das Feedback, aber ich denke, was Sie meinen, unterscheidet sich von dem, was ich beschreiben wollte. Nachdem Sie eine Anpassung durchgeführt haben, sehen Sie sich beispielsweise die angehängten Bilder an (ich habe die tatsächlichen Spaltennamen usw. aus dem Bild gelöscht). Klicken Sie mit der rechten Maustaste auf eine Tabellenausgabe und wählen Sie Simulieren. Von dort aus haben Sie die Wahl, eine bestimmte Spalte gegen eine andere auszutauschen. Zum Beispiel kann ich eine neue Validierungsspalte haben, die zufällig 80% für das Training und die zusätzlichen 20% für die Validierung auswählt.
Nachdem ich beispielsweise eine kleine Tuning-Tabelle für eine Bootstrap-Forest-Anpassung verwendet hatte, führte ich eine kleine Simulation des Trainings und der Validierung R ^ 2 durch, indem ich die ursprüngliche Validierungsspalte (die ursprünglich durch die Antwort Y geschichtet wurde) gegen die austauschte zufällig generierte 80/20 Spalte. Auf diese Weise sollte es in der Lage sein, das Modell anhand zufällig ausgewählter Validierungssätze zu testen, die nicht durch Schichtung eingeschränkt sind, und so zu testen, wie robust das Modell über zufällig ausgewählte Zug- und Validierungssätze hinweg ist. Es ist schneller als das Austauschen neuer Validierungsspalten.
Meine Y-Variable ist meistens normal verteilt. Interessante Idee, aus der Modellanpassung eine zufällige Normalverteilung zu generieren. Das unterscheidet sich nicht allzu sehr von der Simulator-Funktionalität unter dem Profiler, ist aber viel schneller als das Generieren. Leider ist es nicht wirklich das, wonach ich suche.
Diese Simulationsfunktion scheint einen Fehler im XGBoost-Add-In zu haben, bei dem keine umschaltbaren Spalten erkannt werden. Das Simulationsfenster wird nicht geöffnet, um Spalten auszutauschen.
Danke, DS
Betreff: Simulieren Sie die Funktionalität für XGBoostHey alle zusammen!
In der Vergangenheit habe ich mit Tree-Modellen einen Zufallszahlengenerator in der Gewichtungsspalte verwendet, der den Autovalidierungs-Workflow von Chris und Phil R. verwendet ( https://community.jmp.com/t5/JMP-Add-Ins/Add-in-To-Support-Auto-Validation-Workflow/ta-p/189991 ).
Beste,
M.Betreff: Simulieren Sie die Funktionalität für XGBoostHallo @DS ,
Für die Simulationsfunktionalität muss die Formel eine Art Zufallsgenerator enthalten. Soweit ich das beurteilen kann, bietet keine der baumbasierten Methoden in JMP Pro solche Formeln, aber Sie können sie an Orten wie der allgemeinen Regression mit Spalten speichern> Simulationsformel speichern abrufen.
Eine relevante Forschungsfrage lautet: Was ist ein sinnvoller Mechanismus zur Datengenerierung hinter einem Boosted-Tree-Modell? Angenommen, Ihre Y-Variable ist ungefähr normal verteilt, besteht eine einfache Möglichkeit darin, die XGBoost-Vorhersageformel mit einem Random Normal () -Aufruf zu versehen, wobei die Vorhersage als Mittelwert verwendet wird. Sie müssten auch etwas Vernünftiges für die Standardabweichung angeben. Eine offensichtliche Wahl ist der nicht quadratische mittlere quadratische Fehler. Wenn Y binär ist, setzen Sie die XGBoost-Formel in Random Binomial () als p und geben Sie n = 1 an.
Sie sind möglicherweise eine der ersten Personen, die Simulationen in dieser Richtung durchführen, und die Ergebnisse können wahrscheinlich veröffentlicht werden.
