XGBoost의 기능 시뮬레이션안녕하세요,
XGBoost 내에서 JMP 통계 출력에 대한 "시뮬레이트"기능을 활용하고 싶습니다 (관심 가치> 마우스 오른쪽 버튼 클릭> 시뮬레이션). 안타깝게도 그렇게 할 때마다 "시뮬레이션을 수행 할 수 없습니다."라는 JMP 경고가 표시됩니다. 전환 가능한 열이 없습니다. "그러나 이는 정확하지 않습니다. 값을 시뮬레이션하기 위해 전환하고 싶은 함수 열 (예 : 하위 샘플 또는 반복)이 있지만 그럴 수 없습니다.
XGBoost에서는이 기능이 비활성화되어 있습니까? 아니면 알려진 문제 # 4 : JSL 스크립팅이 완전히 작동하지 않는 것의 일부입니까?
JMP 내의 다른 트리 플랫폼에서 시뮬레이션 기능을 실행할 수 있기 때문에 오류가 어디서 발생하는지 이해하고 싶습니다.
감사,
DS
Re : XGBoost의 기능 시뮬레이션감사합니다 Mike, 시간이 허락한다면 XGBoost로 자동 검증을 시도해야합니다.
Re : XGBoost의 기능 시뮬레이션아 예, 죄송합니다 @DS , 테이블 열을 마우스 오른쪽 버튼으로 클릭> Simulate 또는 Bootstrap은 현재 작동하지 않지만 JMP 16 Pro Early Adopter는 한두 달 후에 출시 될 예정입니다. 그 동안 유일한 옵션은 JSL을 사용한 수동 루핑 및 추출입니다. 이 라인을 따라 조사해 주셔서 감사합니다.
Re : XGBoost의 기능 시뮬레이션안녕하세요 안녕하세요. ,
의견을 보내 주셔서 감사합니다. 말씀하신 내용이 제가 설명하려는 내용과 다른 것 같습니다. 맞춤을 수행 한 후 예를 들어 첨부 된 이미지를 확인하고 (이미지에서 실제 열 이름 등을 삭제했습니다) 테이블 출력을 마우스 오른쪽 버튼으로 클릭하고 시뮬레이션을 선택할 수 있습니다. 거기에서 주어진 열을 다른 열로 바꿀 수 있습니다. 예를 들어 훈련을 위해 80 %를 무작위로 선택하고 검증을 위해 추가로 20 %를 선택하는 새로운 검증 열을 가질 수 있습니다.
예를 들어 부트 스트랩 포레스트 핏에 작은 튜닝 테이블을 사용한 후 원래 유효성 검사 열 (원래 응답 Y로 계층화 됨)을 무작위로 생성 된 80/20 컬럼. 이렇게하면 계층화에 의해 제한되지 않는 무작위로 선택된 유효성 검사 세트에 대해 모델을 테스트 할 수 있어야합니다. 따라서 무작위로 선택한 학습 및 유효성 검사 세트에서 모델이 얼마나 강력한 지 테스트 할 수 있습니다. 새 유효성 검사 열을 교체하는 것보다 빠릅니다.
내 Y- 변수는 대부분 정규 분포를 따릅니다. 모델 피팅에서 임의의 정규 분포를 생성하는 흥미로운 아이디어입니다. 이는 프로파일 러의 시뮬레이터 기능과 크게 다르지 않지만 생성하는 것보다 훨씬 빠른 방법입니다. 불행히도 내가 추구하는 것이 아닙니다.
이 시뮬레이션 기능은 전환 가능한 열을 인식하지 못하는 XGBoost 추가 기능에 버그가있는 것 같습니다. 열을 교체하기 위해 시뮬레이션 창을 표시하지 않습니다.
감사합니다, DS
Re : XGBoost의 기능 시뮬레이션모두 안녕!
내가 과거에 트리 모델로 한 것은 Chris와 Phil R.의 Autovalidation 워크 플로를 사용하여 가중치 열에 난수 생성기를 사용하는 것입니다. https://community.jmp.com/t5/JMP-Add-Ins/Add-in-To-Support-Auto-Validation-Workflow/ta-p/189991 ).
베스트,
미디엄Re : XGBoost의 기능 시뮬레이션안녕하세요 @DS ,
시뮬레이션 기능을 사용하려면 수식에 일종의 난수 생성기가 포함되어야합니다. 내가 말할 수있는 한, JMP Pro의 트리 기반 방법은 이와 같은 공식을 제공하지 않지만 열 저장> 시뮬레이션 공식 저장을 사용하여 일반화 회귀와 같은 곳에서 가져올 수 있습니다.
관련 연구 질문은 다음과 같습니다. 부스트 트리 모델 뒤에있는 합리적인 데이터 생성 메커니즘은 무엇입니까? Y 변수가 대략적으로 정규 분포를 따른다고 가정하면 쉽게 시도 할 수있는 방법은 예측을 평균 부분으로 사용하여 XGBoost 예측 수식을 Random Normal () 호출로 래핑하는 것입니다. 또한 표준 편차에 대해 합리적인 것을 지정해야합니다. 명백한 선택은 폴드 평균 제곱근 오류입니다. 마찬가지로 Y가 이진수이면 Random Binomial () 안에 XGBoost 수식을 p로 입력하고 n = 1을 지정합니다.
이러한 라인을 따라 시뮬레이션을 수행 한 첫 번째 사람 중 한 명일 수 있으며 결과는 게시 할 수 있습니다.
