예측 모델링 작업을하십니까? 다양한 플랫폼에서 모델을 구축하고 하이퍼 파라미터 공간에서 모델을 튜닝하는 더 쉬운 방법을 찾고 있습니까? 그렇다면이 대화 형 GUI가 적합 할 것입니다.
이 Generalized Auto Tuning 추가 기능은 Neural Net (NN), Boosted Trees (BT), Bootstrap Forest (RF) 및 XGBoost (XGB)의 네 가지 JMP 모델링 플랫폼에서 작동하도록 설계되었습니다. 추가 기능의 목적은 하이퍼 파라미터 공간을 검색 할 수있는 튜닝 테이블을 활용하여 이러한 각 플랫폼의 하이퍼 파라미터 공간을 좁히는 데 도움을주는 것입니다.
추가 기능은 튜닝 테이블의 각 설정에 대해 모델을 실행하고 나중에 사용자가 검토 할 수 있도록 적합도 통계를 기록합니다. 이 추가 기능에서 얻은 최적화 된 조정 매개 변수를 사용하여 표준 JMP 플랫폼에 맞게 다시 실행하는 것이 좋습니다. 그런 다음 사용자는 각 플랫폼 내에서 JMP의 기본 제공 방법을 사용하여 모델 성능을 모니터링 할 수 있습니다.
다운로드 할 수있는 파일은 다음과 같습니다.
- genat.jmpaddin : JMP 용 Generalized Auto Tuning 추가 기능 설치 프로그램
- PowderMetallurgy_mod.jmp : Y Numeric 및 3 단계 유효성 검사 열 (train, 검증, 테스트) 또한 Y 숫자로 계층화됩니다. 이 파일은 연습용으로 사용되며 추가 기능이 예상대로 작동하는지 확인합니다.
- NN Tuning.jmp : NN 플랫폼의 튜닝 테이블 형식입니다.
- BT Tuning.jmp : BT 플랫폼의 튜닝 테이블 형식입니다.
- RF Tuning.jmp : RF (Bootstrap Forest) 플랫폼의 튜닝 테이블 형식입니다.
- XGB Tuning.jmp : 이것은 XGBoost 플랫폼의 튜닝 테이블 형식입니다.
추가 기능을 다운로드하고 설치하면 추가 기능 메뉴에 "일반화 된 자동 조정"이라는 새로운 드롭 다운 옵션이 있습니다.
추가 기능을 선택하면 데이터 테이블, 튜닝 테이블 및 모델링 방법을 선택할 수있는 새 창이 열립니다. 데이터 테이블은 반응 및 요인 열을 포함하는 테이블이고 튜닝 테이블은 모델링 방법에 해당하는 적절한 튜닝 테이블입니다. 테이블 선택 버튼을 클릭하면 해당 용도로 사용할 테이블을 정의하는 선택 창이 나타납니다. 기본 모델링 방법은 NN입니다. "Recall"버튼을 선택하면 모델링 방법이 이전에 사용 된 방식으로 설정됩니다 (처음 실행하는 경우 제외).
데이터 및 튜닝 테이블과 모델링 방법을 선택한 후 "확인"을 클릭하여 데이터 테이블의 열이 선택한 역할 Y, 응답으로 캐스트되는 다음 인터페이스 창을 엽니 다. X, 요인; 검증 등.이 창에서는 적절한 검증 방법 (선택한 모델링 방법에 따라)을 선택할 수도 있습니다. 예를 들어 NN 플랫폼은 제외 된 행 홀드 백, 홀드 백, Kfold 및 유효성 검사 열을 유효성 검사 옵션으로 허용 할 수 있습니다. JMP의 각 모델링 플랫폼은 특정 유효성 검사 옵션 만 허용합니다.
적절한 열을 해당 역할로 캐스팅하고 적절한 유효성 검사 옵션을 선택한 후 "확인"을 클릭합니다. 그러면 애드 인에 제공된 데이터 및 튜닝 테이블을 기반으로 모델링 프로세스가 시작됩니다. 두 개의 새 창이 나타납니다. 첫 번째는 "Output of"라는 이름으로 시작하고 그 뒤에 튜닝 테이블 이름, 유효성 검증 방법 및 입력 데이터 테이블 이름이 오는 출력 데이터 테이블입니다. 이 출력 데이터 테이블에는 응답 열 데이터 유형 (명목, 서수 또는 숫자)에 따라 모델에 대한 모든 입력 매개 변수와 모든 관련 출력 통계가 포함됩니다. 팝업되는 다른 창은 전체 프로세스가 튜닝 테이블과 얼마나 떨어져 있는지 시각적으로 보여주는 전체 모델링 진행률 창입니다 (튜닝 테이블에 따라 수백 또는 수천 행이 될 수 있음).
추가 기능이 튜닝 테이블에 정의 된 모든 모델링 단계를 수행 한 후 통계를 튜닝 매개 변수와 비교할 수 있습니다. 예를 들어 훈련, 검증 및 테스트 세트 대 N_Boosts 등에 대한 일반화 된 R2. 또는 테이블을 관심 통계별로 정렬 할 수 있습니다. 그런 다음 표준 JMP 플랫폼 내에서 돌아가서 실행하기 위해 사용자가 최적의 설정을 결정할 수 있습니다.
추가 기능을 시도한 것은 이번이 처음이며 버그가없는 것은 아닙니다. 몇 가지 기능을 찾아야했고, "리콜"버튼을 작동시키는 방법과 같이 JMP 직원이 게시 한 스크립트를 사용했습니다. 사용해 보시고 추가 기능에서 버그를 찾으면 알려 주시면 최대한 빨리 수정하겠습니다.
추가 기능에 대한 몇 가지 참고 사항 :
추가 기능을 사용하려면 예상 응답 열 유형과 관련하여 사용자의 사전 지식이 필요합니다 (예 : 현재 JMP BT 플랫폼은 2 개 이상의 수준을 가진 명목 / 순서 응답 열을 사용할 수 없습니다). 또는 일부 플랫폼은 교육 및 검증과 같은 두 가지 수준의 검증 열만 사용할 수 있습니다. 추가 기능은 JMP Pro v15.0 이상 (2 계층 NN 및 XGB 플랫폼으로 인해) 과만 호환됩니다.
또한 튜닝 테이블 (튜닝 테이블 포함)에서 모델링 루틴으로 공급되는 특정 열이 있습니다. 튜닝 테이블의 다른 "실행"에 대한 값은 수동으로 입력하거나 JMP의 DOE 플랫폼을 사용하여 생성 할 수 있습니다. DOE 플랫폼을 사용하는 경우 튜닝 열이 일정 할 때 DOE 플랫폼은 튜닝 테이블에 포함하지 않습니다. 결과적으로 추가 기능이 모델링 단계를 시작할 때 최종 튜닝 테이블에 수동으로 입력하지 않는 한 튜닝 매개 변수의 기본값을 사용합니다.
살펴보고 사용해 주셔서 감사합니다.
행운을 빕니다!,
DS
