Aggiunta della modellazione XGBoost, LightGBM e CatBoost nel menu "albero decisionale" di JMPCome sai, molti scienziati dei dati utilizzano XGBoost, LightGBM e CatBoost (albero decisionale con potenziamento del gradiente) per risolvere i loro problemi utilizzando Python.
Potresti aggiungere questi modelli anche nel menu dell'albero decisionale (JMP)?
Se può essere fornito da JMP Script Language (JSL), sarà fantastico. Grazie. 
Riferimento: https://papers.nips.cc/paper/6907-lightgbm-a-highly-efficient-gradient-boosting-decision-tree.pdf
Automazione e scriptingRe: Aggiunta della modellazione XGBoost, LightGBM e CatBoost nel menu "albero decisionale" di JMPGrazie per l'incredibile aggiornamento!
Ho testato il componente aggiuntivo XGboost e funziona bene~! (Impressionante per la funzionalità a valore aggiunto!)
Come sapete, XGboost è una crescita dell'albero a livello di livello e MS LightGBM è una crescita dell'albero a livello delle foglie.
Spero che un giorno JMP possa aggiungere un'opzione per il metodo di crescita fogliare.
Re: Aggiunta della modellazione XGBoost, LightGBM e CatBoost nel menu "albero decisionale" di JMPXGBoost ora può essere utilizzato in JMP, se scarichi il componente aggiuntivo XGBoost da Scambio file: Betreff: componente aggiuntivo XGBoost per JMP Pro
Re: Aggiunta della modellazione XGBoost, LightGBM e CatBoost nel menu "albero decisionale" di JMPSi prega di aggiungere Extreme Gradient Boosting come menzionato nel commento sopra e Adaptive Boosting (AdaBoost). Questi 2 metodi sono molto più accurati rispetto alla maggior parte delle altre tecniche.
Oggetto: Aggiunta della modellazione XGBoost, LightGBM e CatBoost nel menu "albero decisionale" di JMP - Stato modificato in: Sì, restate sintonizzati!@Steve_Kim questo arriverà come aggiunta
