Cosa ha ispirato questa richiesta di lista dei desideri?
Ieri ho partecipato a un seminario sugli alberi di desicion e sull'ensample learning per principianti tenuto dall'Institute of Statistical Mathematics in Giappone. L'istruttore è il Prof. Icihgaku Takigawa. Ha usato solo Python nel suo seminario.
Ci sono tre metodi che mi interessano, ma non sono integrati in JMP Pro.
Ho inserito il terzo di loro qui.
Descrivi la funzionalità o la soluzione nuova o migliorata che vorresti vedere.
Un'opzione per calcolare la precisione della previsione (ovvero la quantificazione dell'incertezza) per Random Forest o Boosted Trees.
Quale sarebbe il valore per te e/o per gli altri utenti se venisse fornita questa nuova funzione?
A volte, vogliamo vedere la precisione della previsione così come la previsione del punto. Questa funzione può aiutare gli utenti a sapere quanto è grande la variabilità della previsione.
È una richiesta di un cliente esterno?
Esiste un pacchetto software competitivo che ha questa caratteristica o soluzione di cui dovremmo essere a conoscenza?
Il calcolo degli errori standard per le previsioni in Random Forest è semplice. Si prega di vedere la funzione _return_std nella pagina seguente.
https://scikit-optimize.github.io/stable/_modules/skopt/learning/forest.html
È molto complicato calcolare gli errori standard delle previsioni in Boosted Trees. Il Prof. Takigawa ha presentato MAPIE, ma non ho seguito le informazioni. L'URL della homepage di MAPIE è il seguente.
https://mapie.readthedocs.io/en/latest/index.html
Ciò avrà un impatto su un rinnovo, un'espansione o un'adozione da parte di un cliente e questo mette a rischio un account se non affrontiamo questo problema?
Questo non è richiesto dagli utenti.
