En el complemento XGBoost ( https://community.jmp.com/t5/JMP-Add-Ins/XGBoost-Add-In-for-JMP-Pro/ta-p/319383), hay una opción muy buena donde al utilizar DoE, se puede iniciar una búsqueda de hiperparámetros para identificar la mejor combinación de hiperparámetros para maximizar una función objetivo determinada.
Esta opción es extremadamente útil y es un enfoque estándar al entrenar modelos en R o Python.
Creo que sería muy valioso implementar la misma opción para otras plataformas de modelado predictivo, como Neural, Boosted Tree, Boostrap Forest y Support Vector Machine. En cada caso, se podría configurar una matriz experimental para definir los rangos de búsqueda para los hiperparámetros seleccionados.
El complemento XGBoost logra esto muy bien, así que ustedes ya descubrieron la mecánica, ¡es un buen momento para ponerlo a disposición de otros modelos!
@dmmdiego ¡Gracias por su sugerencia! Hemos capturado su solicitud y la tomaremos en consideración.
