Im XGBoost-Add-In ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383) gibt es eine sehr schöne Option, bei der mithilfe von DoE eine Hyperparametersuche gestartet werden kann, um die beste Kombination von Hyperparametern zur Maximierung einer gegebenen Zielfunktion zu ermitteln.
Diese Option ist äußerst hilfreich und ein Standardansatz beim Trainieren von Modellen in R oder Python.
Ich denke, es wäre enorm wertvoll, die gleiche Option für andere prädiktive Modellierungsplattformen wie Neural, Boosted Tree, Boostrap Forest und Support Vector Machine zu implementieren. In jedem Fall könnte eine experimentelle Matrix eingerichtet werden, um die Suchbereiche für die ausgewählten Hyperparameter zu definieren.
Das XGBoost-Add-In bewältigt dies sehr gut, Sie haben also die Mechanik bereits durchschaut. Jetzt ist ein guter Zeitpunkt, es auch für andere Modelle verfügbar zu machen!
@dmmdiego Danke für deinen Vorschlag! Wir haben Ihre Anfrage erfasst und werden diese prüfen.
