Nel componente aggiuntivo XGBoost ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383), c'è un'opzione molto interessante in cui utilizzando DoE, è possibile avviare una ricerca di iperparametri, per identificare la migliore combinazione di iperparametri per massimizzare una determinata funzione obiettivo.
Questa opzione è estremamente utile ed è un approccio standard durante il training di modelli in R o Python.
Penso che sarebbe un enorme vantaggio implementare la stessa opzione per altre piattaforme di modellazione predittiva, come Neural, Boosted Tree, Boostrap Forest e Support Vector Machine. In ogni caso, è possibile impostare una matrice sperimentale per definire gli intervalli di ricerca per gli iperparametri selezionati.
Il componente aggiuntivo XGBoost lo fa molto bene, quindi voi ragazzi avete già capito la meccanica, è un buon momento per renderlo disponibile per altri modelli!
