XGBoost 추가 기능( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383), 주어진 목적 함수를 최대화하기 위해 하이퍼파라미터의 최상의 조합을 식별하기 위해 DoE를 사용하여 하이퍼파라미터 검색을 시작할 수 있는 아주 좋은 옵션이 있습니다.
이 옵션은 매우 유용하며 R 또는 Python에서 모델을 훈련할 때 표준 접근 방식입니다.
Neural, Boosted Tree, Boosttrap Forest 및 Support Vector Machine과 같은 다른 예측 모델링 플랫폼에 대해 동일한 옵션을 구현하면 엄청난 가치가 있을 것이라고 생각합니다. 각 경우에 실험 행렬을 설정하여 선택한 하이퍼파라미터에 대한 검색 범위를 정의할 수 있습니다.
XGBoost 추가 기능은 이 작업을 매우 훌륭하게 수행하므로 여러분은 이미 메커니즘을 파악했으므로 다른 모델에서 사용할 수 있도록 하는 것이 좋습니다!
