QSAR 회귀 방정식 최적화를위한 유전 알고리즘, 시뮬레이션 어닐링 등QSAR 관련 문제에 대한 회귀 방정식을 만드는 데 관심이 있습니다.일반적인 아이디어는 하나의 종속 변수를 예측하기 위해 많은 (> 200) 독립 변수 또는 설명 자의 풀에서 선형 회귀 방정식을 찾는 것입니다.일반적으로 행 / 관찰의 수는 적습니다 (최소 n = 50).
JMP에서 일반화 회귀를 사용하여이를 수행하는 방법이 있습니다.불이익을받은 회귀 방법이나 간단한 전진 또는 후진 제거는 "좋은"선형 회귀 방정식을 찾을 수 있지만, 내 관심사는 이러한 방법이 전역 적으로 최적의 솔루션을 찾지 못할 수 있고 로컬 최소값에 갇혀 있다는 것입니다.
설명 자의 하위 집합을 취하고 결과 모델을 평가하는 함수를 사용하여 분할함으로써 유전 알고리즘, 시뮬레이션 된 어닐링, 입자 떼 최적화, 개미 / 벌 식민지 등과 같은 더 많은 가능한 선택을 샘플링 할 수있는 JMP 외부의 다른 기술이 있습니다. 새로운 부분 집합을 만들고 평가하기 위해 부분 집합을 올립니다.
누구든지 JMP 내에서이 작업을 수행하는 방법을 만들 었는지 아니면 JMP 외부 (예 : R, Python, Matlab, SAS 등)에서이 작업을 수행하는 방법이 있는지 궁금하고 추가 기능 방법을 생각할 수 있습니다. JMP 내에서이 기능?저의 특정한 필요는 신경망, 랜덤 포레스트 또는 JMP가 만들 수있는 다른 유형의 모델이 아닌 선형 회귀 방정식을 만드는 것입니다.
해석학다른스크립팅Re : QSAR 회귀 방정식 최적화를위한 유전 알고리즘, 시뮬레이션 된 어닐링 등JSL이 시뮬레이션 된 어닐링 및 시스템 시뮬레이션을 수행하도록 작성 될 수 있다는 점을 제외하고는 이들 중 어느 것도 도움이되지 않습니다.
클래스 정의 사용 방법 어닐링 / 스프링 힘
할로윈 3 부작 : 올인원 어닐링 / 스프링 힘
바람 시각화 시스템 시뮬레이션 / 시각화
비디오 무리 / 스웜 / 학교 떼 지어 몰려
이것은 JSL 집약적 인 프로젝트입니다. 이 길을 따라 가면 JSL에 대해 많이 알게 될 것입니다.
Re : QSAR 회귀 방정식 최적화를위한 유전 알고리즘, 시뮬레이션 된 어닐링 등알아 뿡 빵뀨 PLS를 좋아하며 많은 곳에서 좋은 솔루션입니다. 저는 Tree Methods의 열렬한 팬이며 최근 XGBoost 용 추가 기능이 게시되었습니다. JMP Pro 용 XGBoost 애드 인
JMP Pro 라이선스가있는 것 같기 때문에 시간을내어 살펴 보는 것이 좋습니다.
Re : QSAR 회귀 방정식 최적화를위한 유전 알고리즘, 시뮬레이션 된 어닐링 등'변수의 하위 집합'이 의미하는 바가 명확하지 않습니다 ... 변수 선택이 문제 해결 목표의 일부인 경우 PLS를 아주 잘 사용할 수 있습니다. JMP Pro에서는 작업 할 잠재 요인의 수를 유연하게 선택할 수 있습니다. 그런 다음 해당 구조 내에서 가장 영향력있는 변수를 찾으십시오 ... JMP Pro에는 또한 유연한 교차 검증 방법 세트가 있습니다 ... KFold가 얕은 데이터에 가장 적합 할 수 있습니까?
Re : QSAR 회귀 방정식 최적화를위한 유전 알고리즘, 시뮬레이션 된 어닐링 등PLS의 문제는 독립 변수의 하위 집합을 선택하지 않고 모든 독립 변수를 포함한다는 것입니다.이로 인해 과적 합 문제가 발생할 수 있습니다.
Re : QSAR 회귀 방정식 최적화를위한 유전 알고리즘, 시뮬레이션 된 어닐링 등불이익을받는 방법은 갈 수있는 한 가지 방법입니다. 그러나 부분 최소 제곱을 고려 했습니까? 데이터 세트가 넓고 얕습니다. PLS 용 맞춤형. 여전히 선형 방정식입니다. 그리고 예측 변수가 상관 관계가 있다면 ... 더 좋습니다.
