元のセッション日：2022年4月7日
取り上げるトピック：XGBoost、ハイパーパラメーター、機械学習
スピーカー：ラス・ウォルフィンガー、著名な研究員
XGBoostは（比較的）新しい機械学習プロトコルであり、上流のエネルギーおよび生産業界で展開され始めたばかりです。 この決定木アンサンブルモデルは、嵐（まあ、わかりました、それは少し誇張かもしれませんが、さあ！）、勝ちますKaggleコンペティションそしてゆっくりと、石油とガスへと進んでいきます。 SAS Distinguished Research Fellow、Kaggle Grandmaster、およびJMP LifeSciences部門の長年のリーダーであるRussWolfingerは、XGBoostアドインを作成および改良しました。これは、以下のビデオで示しています。
なぜXGBoostなのか、そしてそれはどのように違うのですか？ XGBoost勾配ブースティング決定木アルゴリズムを展開します。 勾配ブースティングにより、モデルのレイヤーを使用して、それ以上の改善ができなくなるか、モデルのパフォーマンスメトリックなどの停止基準がしきい値として使用されるまで、前のモデルによって発生したエラーを修正できます。 "（中くらい）。 これは、JMPにデプロイされ、a）モデル検証に最大3つの直交フォールドを適用する、b）b）JMP特許取得済みのDOEテクノロジーをデプロイして最適なハイパーパラメーターに迅速に反復する自動チューニング、およびc）JMPの予測プロファイラーをモデルを観察して操作し、関心のある応答を最適化するために個々の要因をどのように変更できるかをよりよく理解します。
図1。 米国テキサス州バーネットシェールでの12か月の累積生産に関する一連の場所、地質、および完了係数を評価するハイパーパラメータと適合統計をモデル化します。
図2。 米国テキサス州バーネットシェールでの12か月の累積生産に関する一連の場所、地質、および完了要因を評価するXGBoostモデルの予測プロファイラーと実際のプロファイラーおよび予測プロファイラー。
