在 XGBoost 插件中 ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383），有一個非常好的選項，使用 DoE，可以啟動超參數搜索，以確定超參數的最佳組合以最大化給定的目標函數。
此選項非常有用，它是在 R 或 Python 中訓練模型時的標準方法。
我認為為其他預測建模平台（例如神經、Boosted Tree、Boostrap Forest 和支持向量機）實施相同的選項將具有巨大的價值。 在每種情況下，都可以設置一個實驗矩陣來定義所選超參數的搜索範圍。
XGBoost 插件很好地完成了這一點，所以你們已經弄清楚了機制，現在是讓它可用於其他模型的好時機！
