Modelli di ensemble autovalidantiChief Data Scientist di JMP @ chris_gotwalt1 con il principale docente presso l'Università del New Hampshire @philramsey ha introdotto la tecnica SVEM (Self Validating Ensemble Models) per l'analisi delle DoE.Penso che Chris lo dica meglio "Puoi ottenere modelli più accurati con meno osservazioni utilizzando SVEM".Questo è un ponte tra Machine Learning e DoE.Spero che vi piaccia.
Ri: modelli di ensemble autovalidantiMolto interessante, grazie per la condivisione! In realtà stavo per porre molte domande su come progettare le DoE per quel tipo di analisi, tuttavia Chris le ha sollevate tutte da solo nella discussione finale. Non vedo l'ora di vedere l'evoluzione degli SVEM e non vedo l'ora di conoscere i progetti ottimali per loro. Se disponibili, sono decisamente disposto a provarli!
Ho una domanda per la mia comprensione dell'esempio. Nella spiegazione Chris ha detto: "Adatti un modello statistico ai dati ponderati". Nell'esempio concreto questo significa che quando parliamo di SVEM RSM usiamo i pesi di allenamento calcolati in ciascuna iterazione come un "Peso" nella piattaforma "Fit Model" quando adattiamo un RSM?
Ri: modelli di ensemble autovalidanti@Kira_Alhorn , Sì.Quello che sta dicendo è che con ogni modello nello SVEM stai rivalutando la colonna Bootstrap Weight con ponderazione frazionaria accoppiata, quindi avrai un modello con un nuovo peso su ogni membro del training set.Se stai utilizzando la piattaforma Fit Model, questa colonna verrà utilizzata come variabile di peso.Per la piattaforma di regressione generalizzata, questo verrà utilizzato come variabile freq.
Spero che questo ti aiuti.Fammi sapere se ho bisogno di chiarire ulteriormente.
