Agregar modelado XGBoost, LightGBM y CatBoost en el menú 'árbol de decisión' de JMPComo sabe, muchos científicos de datos utilizan XGBoost, LightGBM y CatBoost (árbol de decisión de impulso de gradiente) para resolver sus problemas utilizando Python.
¿Podrías agregar estos modelos también en el menú del árbol de decisión (JMP)?
Si JMP Script Language (JSL) puede proporcionarlo, también será fantástico. Gracias. : )
Referencia: https://papers.nips.cc/paper/6907-lightgbm-a-highly-ficient-gradient-boosting-decision-tree.pdf
Automatización y secuencias de comandosRe: Agregar modelado XGBoost, LightGBM y CatBoost en el menú del 'árbol de decisiones' de JMPAgregue Extreme Gradient Boosting como se menciona en el comentario anterior, así como Adaptive Boosting (AdaBoost). Estos 2 métodos son mucho más precisos en comparación con la mayoría de las otras técnicas.
Re: Agregar modelado XGBoost, LightGBM y CatBoost en el menú 'árbol de decisiones' de JMP - Estado cambiado a: ¡Sí, manténganse atentos!@Steve_Kim esto vendrá como un complemento
