預測建模平台中的超參數搜索在 XGBoost 插件（ https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383）中，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，並且是在 R 或 Python 中訓練模型時的標準方法。
我認為對其他預測建模平台（例如神經網路、提升樹、Boostrap 森林和支援向量機）實施相同的選項將具有巨大的價值。在每種情況下，都可以設定實驗矩陣來定義所選超參數的搜尋範圍。
XGBoost 插件很好地實現了這一點，所以你們已經了解了其機制，現在是將其用於其他模型的好時機！
資料存取回复：預測建模平台中的超參數搜索 - 狀態更改為：已確認@dmmdiego謝謝你的建議！ 我們已收到您的請求並將予以考慮。
