예측 모델의 Shapley 값예측 모델에서 개별 독립 변수의 기여도를 이해하는 것은 매우 중요합니다. 현재 예측 프로파일러를 통해 모델에 대한 변수의 기여도 및/또는 영향을 추론할 수 있습니다. 이는 훌륭하지만 기여도를 정량화할 수 있고 연속적으로 기여도를 정량화할 수 있습니다. -행 기준, 다음 수준이 됩니다. 이 기능은 O&G 업계의 고객이 특별히 요청했지만 그 적용은 어디에나 있습니다. 이러한 값은 Python 및 R과 같은 도구를 사용하여 쉽게 얻을 수 있습니다. JMP의 포인트 앤 클릭 환경에서 사용할 수 있도록 하는 것은 우리를 경쟁업체와 더욱 차별화하는 것입니다. 여러 고객이 독립 변수의 개별 기여도를 정량화할 수 있는 방법에 대해 질문했고 일부 고객은 Shapley 값에 대해 구체적으로 질문했습니다.
통계 및 분석Re: 예측 모델의 Shapley 값@mia_stephens 가장 최근에 작업한 계정은 Continental Resources입니다(Kendall Sizemore는 이에 대해 기꺼이 이야기할 것입니다). 그러나 조금 더 입을 다물고 있는 다른 O&G 고객(Murphy, Oxy)으로부터 비슷한 요청을 받은 적이 있습니다. . O&G 업계의 ML 서비스 회사인 Novi Labs의 작업을 많이 인용합니다. 현재 JMP에서 실행할 수 있는 방법은 @kemal_oflus --여기서 표준화된 예측자를 사용하여 ML 모델의 발산(ML 모델의 평균 예측 응답과 실제 응답의 차이)을 예측하는 선형 모델의 확장된 추정치를 사용합니다. 반응에 대한 주어진 요인의 '가중치'를 제공하기 위해 척도화된 추정치를 GB로 표시할 수 있습니다. 이것은 궁극적으로 주어진 요인이 모델에 긍정적 또는 부정적인 영향을 미치는지 여부를 알려줍니다(훌륭합니다). 그러나 행별 효과로 나눌 수 없으며 NN에서 확장된 추정치를 사용할 수 없기 때문에 ML 모델에 직접 적용할 수도 없습니다. 학사 등
수학이 포함된 훌륭한 설명자: https://christophm.github.io/interpretable-ml-book/shapley.html
Shapley 설명자: https://www.youtube.com/watch?v=-taOhqkiuIo&ab_channel=MicrosoftDeveloper
Kemal의 절차에서 몇 가지 화면 캡처:
평균 ML 모델 발산을 예측하는 표준화된 요소를 기반으로 구축된 모델의 확장된 추정치
단일 요인의 발산(Frac Fluid 매개변수)
Re: 예측 모델의 Shapley 값@Peter_Polito 그리고 @nick_shelton , 우리가 나열할 수 있는 명명된 고객/계정이 있습니까, 아니면 (필요한 경우) 이야기할 수 있는 고객이 있습니까?
Peter, 개발한 방법과 예제 출력을 공유할 수 있습니까? 또한 주제에 대한 즐겨찾는 참조가 있는 경우 참조하십시오.
이 정보를 Jira에 추가하겠습니다.
감사합니다!
미아
Re: 예측 모델의 Shapley 값Shapley 값은 머신 러닝(ML) 모델에서 기능 중요도와 효과 크기를 해석하기 위한 표준으로 빠르게 자리잡고 있습니다. 머신러닝의 새로운 트렌드는 블랙박스 평판에서 벗어나 해석 가능하고 신뢰할 수 있는 모델을 만드는 것입니다. Shapley 값과 같은 도구는 모델의 예측에 대해 보다 투명하고 확신을 가질 수 있는 기능을 제공합니다. 이 기능은 JMP Pro의 모든 기계 학습 모델에서 사용할 수 있어야 합니다.
Re: 예측 모델의 Shapley 값이것이 사용되는 방법의 예: 고객이 ML 모델을 구성하기 위해 JMP Pro의 부스트된 신경망을 사용하고 있습니다. 제한된 경우 응답에 대한 주어진 독립 변수의 효과를 수량화하는 능력이 있습니다. 예를 들어, 세 개의 유정의 생산 가치를 분석하는 경우 하나는 최고의 위치에 있고 훌륭한 유정을 건설했기 때문에 잘 수행되고 있고, 다른 하나는 평범한 위치에 있지만 설계했기 때문에 그렇게 수행합니다. 우물은 매우 효율적이고 세 번째는 잘못된 위치를 선택하고 우물을 효율적으로 설계하지 않았기 때문에 제대로 작동하지 않습니다. Python과 같은 프로그램에서는 이러한 세분화된 정보를 제공하는 Shapley 값을 계산할 수 있지만 JMP는 이를 수행할 수 없습니다. 동료 SE와 나는 내가 pseudo-Shapley라고 부르는 것을 계산하는 방법을 개발했지만 이 절차는 매우 잘 작동하지만 선형 모델에만 적용할 수 있으며 단일 우물 기준(행별 -열). O&G 산업에서 이 기능은 유비쿼터스 배포가 가능하고 이 산업의 확장을 위해 JMP를 개방할 것입니다.
Re: 예측 모델에 대한 Shapley 값 - 상태가 다음으로 변경됨: 개발 중현재 개발 중이며 JMP 17 EA에서 사용할 수 있습니다.
Re: 예측 모델에 대한 Shapley 값 - 상태가 다음으로 변경됨: 예, 계속 지켜봐 주세요!2022년 10월에 배송될 JMP 17에 대해 이 영역에서 중요한 작업이 있었습니다. 배송 날짜가 되면 누군가 이것을 "배송됨"으로 표시할 것이라는 기대와 함께 "예, 계속 지켜봐 주십시오"로 표시합니다.
