在 XGBoost 插件中 ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383），有一个非常好的选项，使用 DoE，可以启动超参数搜索，以确定超参数的最佳组合以最大化给定的目标函数。
此选项非常有用，它是在 R 或 Python 中训练模型时的标准方法。
我认为为其他预测建模平台（例如神经、Boosted Tree、Boostrap Forest 和支持向量机）实施相同的选项将具有巨大的价值。 在每种情况下，都可以设置一个实验矩阵来定义所选超参数的搜索范围。
XGBoost 插件很好地完成了这一点，所以你们已经弄清楚了机制，现在是让它可用于其他模型的好时机！
