이 위시리스트 요청에 영감을 준 것은 무엇입니까?
어제는 일본 통계수학연구소에서 주관하는 Desicion Tree and ensample learning for basics에 대한 세미나에 참석했습니다. 강사는 Icihgaku Takigawa 교수입니다. 그는 세미나에서 Python만 사용했습니다.
내가 관심을 갖고 있지만 JMP Pro에서 구현되지 않은 세 가지 방법이 있습니다.
여기에 세 번째 항목을 입력했습니다.
보고 싶은 새로운 기능이나 개선된 기능 또는 솔루션을 설명하십시오.
Random Forest 또는 Boosted Trees에 대한 예측 정밀도(일명 Uncertainty Quantification)를 계산하는 옵션입니다.
이 새로운 기능이 제공되면 귀하 및/또는 다른 사용자에게 어떤 가치가 있습니까?
때때로 우리는 포인트 예측뿐만 아니라 예측 정확도를 보기를 원합니다. 이 기능은 사용자가 예측 변동성이 얼마나 큰지 알 수 있도록 도와줍니다.
외부 고객 요청입니까?
우리가 알아야 할 이 기능이나 솔루션이 있는 경쟁 소프트웨어 패키지가 있습니까?
Random Forest의 예측에 대한 표준 오차 계산은 쉽습니다. 다음 페이지에서 _return_std 기능을 사용하십시오.
https://scikit-optimize.github.io/stable/_modules/skopt/learning/forest.html
Boosted Trees에서 예측의 표준 오류를 계산하는 것은 매우 복잡합니다. Takigawa 교수가 MAPIE를 소개했지만, 나는 그 정보를 따르지 않았습니다. MAPIE 홈페이지 URL은 다음과 같습니다.
https://mapie.readthedocs.io/en/latest/index.html
이것이 고객의 갱신, 확장 또는 채택에 영향을 미치며 이를 해결하지 않으면 계정이 위험에 처하게 됩니까?
이것은 사용자가 요청하지 않습니다.
안녕하세요 @yusuke_ono , 제안해 주셔서 감사합니다! 귀하의 요청을 접수했으며 고려하도록 하겠습니다.
