Tuning-Design-Tabelle in Predictive ModelingHallo,
Ich möchte die Funktion „Tuning Design Table“ in der prädiktiven Modellierung (Boosted Tree und Bootstrap Forest) verwenden.Diese Tuning-Design-Tabelle scheint nicht vom Programm selbst generiert zu werden. Wo finde ich eine Tuning-Tabelle, die ich verwenden kann, wenn ich das Tuning-Design aktiviere?
Ich freue mich auf eine Antwort
Rgd,
Lu
Betreff: Tuning-Design-Tabelle in Predictive ModelingIch schließe gerne Studien ein, die die Auswirkung der Parameteroptimierung auf die Leistung und Variablenwichtigkeitsmaße bei der Zufallswaldmodellierung analysiert haben.
Grüße,
Ludo
Betreff: Tuning-Design-Tabelle in Predictive ModelingMaximalwerte sind mir nicht bekannt. Natürlich dauert es umso länger, je höher man kommt. Deshalb versuchen die Leute normalerweise, die Komplexität mit dem praktischen Aspekt der Dauer in Einklang zu bringen. Stellen Sie sicher, dass das vorzeitige Abbrechen überprüft wird, damit der betreffende Versuch vorzeitig abgebrochen wird und nicht bis zum Abschluss ausgeführt wird, wenn keine Verbesserung eintritt.
Betreff: Tuning-Design-Tabelle in Predictive ModelingDanke Dan,
Ich überprüfe es auf diese Weise.
Kennen Sie Richtlinien für die Einstellung des Parameterlimits für die Bootstrap-Forest-Analyse? Oder ist es Versuch und Irrtum?
Grüße,
Ludo
Betreff: Tuning-Design-Tabelle in Predictive ModelingAnstatt sich auf das Design oder den zu verwendenden Designtyp zu konzentrieren, konzentrieren Sie sich auf das, was Sie WIRKLICH tun möchten.
Mithilfe einer Tuning-Tabelle können Sie die Anpassung des Bootstrap Forest unter vielen verschiedenen Bedingungen ausprobieren, um festzustellen, welche Einstellungen am besten erscheinen. Welche dieser Parameter möchten Sie ändern? Laut Ihrer beigefügten Tabelle wollten Sie sechs Elemente ändern: Anzahl der Bäume in der Gesamtstruktur, Anzahl der pro Teilung abgetasteten Begriffe, Bootstrap-Abtastrate, minimale Teilungen pro Baum, maximale Teilungen pro Baum und minimale Teilungsgröße.
Da Sie alle diese Elemente ändern möchten, welche Bereiche gelten für die einzelnen Elemente? Beispiel: Anzahl der Bäume: Die Standardanzahl der Bäume beträgt 100. Vielleicht möchten Sie zwischen 100 und 200 Bäumen unterhalten. Möchten Sie nun JEDEN Wert zwischen 100 und 200 (100, 101, 102, 103, ..., 200) oder vielleicht alle 25 (100, 125, 150, 175, 200) ausprobieren? Im Idealfall ist es am besten, jeden Wert auszuprobieren, da keine glatte Beziehung zwischen diesen Parametern und den Modellanpassungsergebnissen besteht. Bei 119 Bäumen könnte es ein GROßARTIGES Modell geben, bei 118 und 120 aber schreckliche Modelle. Leider ist das Ausprobieren jedes Werts sehr zeitaufwändig und hängt immer noch vom Bereich der von Ihnen ausgewählten Parameter ab.
Sobald Sie sich alle Gedanken darüber gemacht haben, was Sie mit den einzelnen Parametern tatsächlich tun möchten, können Sie Ihre Tabelle erstellen. Wenn Ihre Tabelle nur wenige Zeilen enthält (einige verschiedene Bedingungen zum Ausprobieren), können Sie sie manuell erstellen. Wenn es mehrere Bedingungen gibt (mehr als Sie von Hand eingeben möchten), können Sie ein geplantes Experiment ausprobieren. Für welchen Designtyp Sie sich entscheiden, hängt davon ab, was Sie mit diesen Ergebnissen vorhaben. Hier kommen die Kenntnisse des experimentellen Designs ins Spiel. Unabhängig vom Designtyp geben Sie die Namen der Faktoren wie in der JMP-Hilfe angegeben ein (siehe meinen ersten Beitrag). Dadurch weiß JMP, welche Spalten zu welchen Parametern gehören – die Spaltennamen müssen übereinstimmen (siehe auch hier die JMP-Hilfe). Außerdem müssen die Bereiche für die Faktoren mit gültigen Werten für jeden der Optimierungsparameter übereinstimmen. In dem Beispiel „Anzahl der Bäume“, das ich zuvor angegeben habe, hätte ich also einen Faktor namens „Anzahl der Bäume“ mit einem Bereich von 100 bis 200. Die Werte, die Sie derzeit von -1 bis 1 haben, funktionieren nicht, da Sie für alle diese Optimierungsparameter positive Werte benötigen. Es gibt keinen Bootstrap-Wald mit -1 Bäumen.
Ich hoffe das hilft.
Betreff: Tuning-Design-Tabelle in Predictive ModelingLieber Dan,
Vielen Dank für Ihre Hilfe. Ich frage mich in DOE, welches Tabellendesign ich verwenden muss, um eine Tabelle für diesen Zweck zu erstellen. Irgendwelche Vorschläge, was am besten funktioniert?
Ich habe in DOE mit Surface Design eine Tabelle erstellt. Das Ändern der Parameter führt zu Fehlern bei der Ausführung der Funktion „Verwendung der Designtabelle“ in der Boosted Forest-Analyse (siehe Tabelle im Anhang). Wenn ich den Spaltencode bei -1 bis 1 behalte, gibt es kein Problem. Oder gibt es Einschränkungen bei den Parametereinstellungen? Woher weiß JMP, welche Spalte für die Parameter verwendet wird (z. B. Anzahl der Bäume und Anzahl der Begriffe pro Teilung)? Ist es nach Spaltennummer oder Spaltenname?
Ich hoffe, Sie können mir weiterhelfen
Betreff: Tuning-Design-Tabelle in Predictive ModelingSie müssen die Tuning-Designtabelle erstellen. JMP kann dies nicht für Sie tun, da es für JMP keine Möglichkeit gibt, die Bereiche für die verschiedenen Parameter zum Anpassen des Baums zu kennen (wie viele Ebenen sollten Sie berücksichtigen? Wie viele Teilungen pro Baum? Welchen Bereich der Lernrate möchten Sie betrachten?)
Sie könnten einfach die Tabelle erstellen und die Optionen auswählen, die Sie berücksichtigen möchten. Sie könnten jedoch ein geplantes Experiment verwenden, um die möglichen Parametereinstellungen über den von Ihnen angegebenen Bereich zu erstellen.
Der entworfene Experimentansatz garantiert, dass Sie die Bereiche Ihrer Modellparameter auf effiziente Weise abdecken. Die einzige Vorsichtsmaßnahme besteht darin, dass geplante Experimente häufig auf Interpolation basieren, um die besten Einstellungen zu finden. Die Modellparameter für Bootstrap Forest und Boosted Tree folgen nicht immer den „glatten Funktionen“, auf denen entworfene Experimente für die Modellierung basieren.
Aus der JMP-Hilfe:
Verwenden Abstimmung Tisch Design
Öffnet ein Fenster, in dem Sie Daten auswählen können Tisch Enthält Werte für das Waldfenster Tuning Parameter, genannt a Tuning Design Tisch . A Tuning Design Tisch verfügt über eine Spalte für jede Option, die Sie angeben möchten, und über eine oder mehrere Zeilen, die jeweils einen einzelnen Bootstrap Forest-Modellentwurf darstellen. Wenn eine Option im nicht angegeben ist Tuning Design Tisch, Es wird der Standardwert verwendet.
Für jede Zeile in der Tisch, JMP erstellt ein Bootstrap-Forest-Modell mit Tuning Parameter angegeben. Wenn mehr als ein Modell im angegeben ist Tuning Design Tisch, Im Bericht „Modellvalidierungssatz-Zusammenfassungen“ wird der RSquare-Wert für jedes Modell aufgeführt. Der Bootstrap Forest-Bericht zeigt die Anpassungsstatistik für das Modell mit dem größten RSquare-Wert.
Sie können eine erstellen Tuning Design Tisch Nutzung der Design of Experiments-Funktionen. Ein Bootstrap-Wald Tuning Design Tisch kann die folgenden Spalten ohne Berücksichtigung der Groß-/Kleinschreibung in beliebiger Reihenfolge enthalten:
– Zahlenbäume
– Zahlenbegriffe
– Portion Bootstrap
– Mindestaufteilung pro Baum
– Maximale Teilungen pro Baum
– Mindestgrößenaufteilung
