Tuning Design table en Predictive ModelingHola,
Quiero usar la función de "tabla de diseño de ajuste" en el modelado predictivo (árbol impulsado y bosque de arranque).Esta tabla de diseño de afinación parece no ser generada por el propio programa. ¿Dónde puedo encontrar una tabla de afinación para usar cuando activo el diseño de afinación?
Mirando hacia adelante para la respuesta
Rgd,
Lu
Re: Tuning Design table en Predictive ModelingMe gusta incluir estudios que analizaron el efecto del ajuste de parámetros en el rendimiento y las medidas de importancia variable en el modelado de bosques aleatorios.
Saludos,
Ludo
Re: Tuning Design table en Predictive ModelingNo tengo conocimiento de ningún valor máximo. Por supuesto, cuanto más alto llegue, más tiempo llevará, por lo que la gente suele tratar de equilibrar la complejidad con el aspecto práctico de cuánto tiempo llevará. Asegúrese de que se marque la detención temprana para que, si no hay mejoría, esa prueba en particular se detenga antes de tiempo en lugar de ejecutarse hasta su finalización.
Re: Tuning Design table en Predictive ModelingGracias Dan,
Lo compruebo de esta manera.
¿Conoce alguna guía para la configuración del límite de parámetros para el análisis de bosque de arranque? ¿O es prueba y error?
Saludos,
Ludo
Re: Tuning Design table en Predictive ModelingEn lugar de enfocarse en el diseño o el tipo de diseño a usar, enfóquese en lo que REALMENTE quiere hacer.
Una tabla de afinación le permite intentar ajustar Bootstrap Forest en muchas condiciones diferentes para determinar qué configuración parece ser la mejor. ¿Cuál de esos parámetros quieres cambiar? De acuerdo con su tabla adjunta, estaba buscando cambiar seis elementos: número de árboles en el bosque, número de términos muestreados por división, frecuencia de muestreo de Bootstrap, divisiones mínimas por árbol, divisiones máximas por árbol y división de tamaño mínimo.
Dado que desea cambiar todos estos elementos, ¿cuáles son los rangos para cada uno de estos elementos? Por ejemplo, número de árboles: el número predeterminado de árboles es 100. Tal vez quiera entretener cualquier cosa, desde 100 árboles hasta 200 árboles. Ahora, ¿le gustaría probar CADA valor entre 100 y 200 (100, 101, 102, 103, ..., 200), o quizás cada 25 (100, 125, 150, 175, 200)? Idealmente, es mejor probar cada valor porque no hay una relación fluida entre estos parámetros y los resultados del ajuste del modelo. Podrías tener un GRAN modelo en 119 árboles y modelos horribles en 118 y 120. Desafortunadamente, probar cada valor lleva mucho tiempo y aún depende del rango de los parámetros que eligió.
Una vez que haya pensado en lo que realmente está tratando de hacer con cada uno de los parámetros, puede crear su tabla. Si su tabla solo tendrá unas pocas filas (unas pocas condiciones diferentes para probar), puede crearla a mano. Si tendrá varias condiciones (más de las que desea escribir a mano), entonces puede intentar un experimento diseñado. El tipo de diseño que elija dependerá de lo que planee hacer con esos resultados. Aquí es donde entra en juego el conocimiento del diseño experimental. Independientemente del tipo de diseño, ingresa los nombres de los factores como los nombres indicados en la ayuda de JMP (ver mi primera publicación). Así es como JMP sabe qué columnas van con qué parámetros: los nombres de las columnas deben coincidir (nuevamente, consulte la ayuda de JMP). Además, los rangos de los factores deben coincidir con valores válidos para cada uno de los parámetros de ajuste. Entonces, en el ejemplo de Número de árboles que di antes, tendría un factor llamado Número de árboles con un rango de 100 a 200. Los valores que tiene actualmente de -1 a 1 no funcionarán porque necesita tener valores positivos para todos estos parámetros de ajuste. No existe tal cosa como un bosque Bootstrap con -1 árboles.
Espero que esto ayude.
Re: Tuning Design table en Predictive ModelingQuerido Dan,
Gracias por tu ayuda. Deambulo en DOE qué diseño de mesa tengo que usar para crear una mesa para este propósito. ¿Alguna sugerencia de qué funciona mejor?
Generé una tabla en DOE usando diseño de superficie. Cambiar los parámetros genera errores al realizar la función "Usar Tabla de Diseño" en el análisis de Boosted Forest (ver tabla adjunta). Cuando mantengo el código de columna como -1 a 1, no hay problema. ¿O hay alguna limitación en la configuración de los parámetros? ¿Cómo sabe JMP qué columna se usa para los parámetros (por ejemplo, número de árboles y número de términos por división)? ¿Es por número de columna o nombre de columna?
Espero que puedas ayudarme más
Re: Tuning Design table en Predictive ModelingDebe crear la tabla de diseño de afinación. JMP no puede hacer esto por usted porque no hay forma de que JMP conozca los rangos de los diversos parámetros para ajustar el árbol (¿cuántas capas debe considerar? ¿Cuántas divisiones por árbol? ¿Qué rango de la tasa de aprendizaje desea revisar?)
Sin duda, podría simplemente crear la tabla y elegir las opciones que desea considerar. Sin embargo, puede usar un experimento diseñado para crear la posible configuración de parámetros en el rango que especificó.
El enfoque del experimento diseñado garantizará que cubra los rangos de los parámetros de su modelo de manera eficiente. La única precaución es que los experimentos diseñados a menudo se basan en la interpolación para encontrar la mejor configuración. Los parámetros del modelo para Bootstrap Forest y Boosted Tree no siempre siguen las "funciones suaves" en las que se basan los experimentos diseñados para el modelado.
De la ayuda de JMP:
Usar Afinación Mesa Diseño
Abre una ventana donde puede seleccionar un dato mesa que contiene valores para el panel Bosque Afinación parámetros, llamados Afinación diseño mesa . A Afinación diseño mesa tiene una columna para cada opción que desee especificar y tiene una o varias filas, cada una de las cuales representa un único diseño de modelo Bootstrap Forest. Si no se especifica una opción en el Afinación diseño mesa, se utiliza el valor predeterminado.
Para cada fila en el mesa, JMP crea un modelo Bootstrap Forest usando el Afinación parámetros especificados. Si se especifica más de un modelo en el Afinación diseño mesa, el informe de resúmenes de conjuntos de validación de modelos enumera el valor de RSquare para cada modelo. El informe Bootstrap Forest muestra las estadísticas de ajuste para el modelo con el mayor valor de RSquare.
Puedes crear un Afinación diseño mesa utilizando las instalaciones de Diseño de Experimentos. Un bosque de arranque Afinación diseño mesa puede contener las siguientes columnas que no distinguen entre mayúsculas y minúsculas en cualquier orden:
– árboles de números
– Términos numéricos
– Porción Bootstrap
– Divisiones mínimas por árbol
– Divisiones máximas por árbol
– División de tamaño mínimo
