预测模型平台中的超参数搜索在 XGBoost 插件（ https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383）中，有一个非常好的选项，使用 DoE 可以启动超参数搜索，以确定最佳超参数组合，从而最大化给定的目标函数。
此选项非常有用，并且它是在 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 Neural、Boosted Tree、Boostrap Forest 和支持向量机）实现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 插件很好地实现了这一点，所以你们已经弄清楚了它的机制，现在是将它应用于其他模型的好时机！
数据访问回复：预测建模平台中的超参数搜索 - 状态更改为：已确认@dmmdiego谢谢你的建议！ 我们已收到您的请求并将予以考虑。
