Anwenden des XGBoost-Modells auf neue DatenIch folgte Ihrem Beispiel für die Pulvermetallurgie, verwendete jedoch meine eigenen Daten (die erste von 10.000 Zeilen eines größeren Datensatzes). Ich habe ein Modell mit Objective = "binary: logisitic" erstellt und die Vorhersageformeln in der Datentabelle gespeichert. Dann habe ich versucht, neue Vorhersagen zu treffen, indem ich das Modell auf 10.000 neue Datensätze angewendet habe, die nicht die Variable "Y, Response" enthielten, indem ich diese neuen Zeilen an den unteren Rand der ersten 10.000 Zeilen verkettet habe, aber die Formeln konnten die " FoldA == 1 "etc Spalten für die neuen Zeilen noch geben Sie mir eine Vorhersagewahrscheinlichkeit. Muss ich eine fortlaufende Validierungsspalte verwenden oder hängt das Problem mit etwas anderem zusammen?
Vielen Dank
Betreff: Anwenden des XGBoost-Modells auf neue DatenJa, sollte gut funktionieren, und in JMP Pro 16 Early Adopter ist ein Fix implementiert, der die Einstellung 0 unnötig machen sollte. Ein anderer Begriff dafür ist "wiederholtes k-fach" und es ist eine der besten Möglichkeiten, Vorhersagemodelle rigoros zu bewerten.
Betreff: Anwenden des XGBoost-Modells auf neue DatenHallo @russ_wolfinger ,
Wenn Sie eine mehrfache Validierung durchführen, z. B. alle drei Falten verwenden, würden Sie bis zum Ende der Tabelle FoldB und FoldC auch 0 ausfüllen?
Es scheint, dass dies erforderlich ist, aber ich möchte es nur bestätigen.
Vielen Dank,
DS
Betreff: Anwenden des XGBoost-Modells auf neue DatenHallo Nate, bitte fülle jetzt FoldA mit dem Wert 0 für alle neuen Zeilen aus und die Formeln sollten sich dann durchsetzen. Eine Möglichkeit, dies in Ihrer vorhandenen Tabelle zu tun, besteht darin, auf die Zelle von FoldA für die erste Zeile neuer Daten zu doppelklicken und sie in 0 zu ändern. Klicken Sie dann mit der rechten Maustaste auf> Füllen> Füllen bis zum Ende der Tabelle. Für die nächste Version planen wir sicherzustellen, dass die Formeln fehlende Werte für die Falzvariablen verarbeiten.
