全て右。 こんにちはみんな。
私の名前はスコットアレン。
私はあるシステムエンジニアでJMP。
私は行くになれプレゼンテーションするあるニューラル通信網チューニング追加-で
それ私は発展した本当にヘルプ開発するニューラル通信網モデル
での自動化された方法に建てる多くのモデル、
探す外どれのパラメーターはほとんど効果的で建物の最高モデル。
何私はそうするだろうのようににする背景を少しだけ説明します
の上モチベーションのために建物これ追加-で。
私は行くにする多分あるウォークスルー、説明、
何ですか行くの上での背景いつあなた走るの追加-で
そしてそれから見せるある使用場合のためにそれ。 あサンプルワークフロー。
あとは本当にラップするだけです上といくつかのレッスン学んだ。
これだった私の初め大きいスクリプトプロジェクト、それで確かに学んだある多く平行の方法。
私は…したいに共有それそしてそれからとして良いとして何ですか次。
初め、ただ私欲しいにここで3、4分かかります
ただの上の背景そしてモチベーション。
たくさんの他の機械JMP の学習プラットフォーム持っているいくつかのある種の
パラメータチューニング関数、
かどうかそのあるチューニングテーブルそれあなた作成する外のプラットホーム、
のようにでブートストラップ森またはブーストされた木、またはの統合されたチューニングデザイン
のようにサポートベクター機械そしての新しいXGブーストプラットホーム。
しかしあるよない1つのためにニューラルネットワーク。
それ導かれたにいくつかの顧客それについて尋ねながら仕事をしていること。
"はこれ何かそれは利用可能？
はそこにはスクリプト外そこにはそれ私たちはできる使用？
はそこにはの追加-で？"
そこにははある少しもの外そこには、しかし多分ないすべてで1つ場所。
それからの上ある個人的レベル、私は一度もない着手されたある大きいスクリプトプロジェクト。
私は終わりいくつかの小さいJSLスクリプトを自動化するワークフロー、
またはにクリーン上データ、しかし私持っていた一度もない建てられたの応用。
これは、私は、本当に欲しかったあるプロジェクトに学ぶのを手伝ってください。
私使用済みこれとしての言い訳に学ぶJSL。
のニューラル通信網プラットホームJMPでは本当に強力な、
そしてそれで病気ただ打ち上げそれ本当に素早い。
私はもちろんもしあなたは見たそれ...
私意思言及私午前JMP PROを使用するバージョン17.1 。
それはどこ全てのテストもっている起こりましたのためにこれ追加-で。
私持っているない消えた後ろ向きに多くのバージョン。
私するだろう提案するもしあなたは行くにこれを使って
あなた必要に持っているJMPプロそしてで少しでもバージョン17.1。
のJMPニューラルネットワークプラットフォームは本当に強力な
そして私ただ欲しいに取るある少し分まで行くを通して何これ見た目のように。
私考えるみんなもっている...
もしあなたは使用済みニューラルネットワーク、あなたは消えたを通してこのワークフロー
そしてそのある本当にニースフレキシブルプラットホームのために現像これらモデル。
あなたできる始めるオフとベースラインモデルそして多分あなたはない満足
とのパフォーマンスのあなたのモデルでこれ場合。
あなたできるただ行く戻るにのモデル発売そしてあなたできる調整するのパラメーターここ。
あなたできる行くそして生成する別のモデル。
その簡単に始める変化これらパラメーター
そして見つけるモデルそれかもしれないなれのほとんど適切なのためにあなたのシステム。
しかしそこにははある多くのオプションでここ。
あなたは得た違う番号のノード、あなたは得た1つまたは二レイヤー、
あるよブーストオプションとして良いとしてある多くの違うフィッティングオプション。
あなたしないでくださいいつも知る...
そのないいつもクリアどれののこれら変更する必要があるパラメータ
で注文に得るの最高モデルのためにのデータテーブルそれあなたは働くで
そしての予測子それあなたはを使用しています。
そのないいつもクリアもし調整するあるパラメータ
は行くに鉛にあるより良いモデル。
あなたただ調整するアップnd下、多分取る大きいステップ
に形外何ですか行くの上。
します必要とするある多くのマニュアル調整によるのユーザー
で注文に生成するこれらモデル。
彼らははかわいい速い、それでそのない時間-消費するに作成するこれら
しかしそれはオーズ必要とするある多くのクリックします。
私のゴールここそしていくつかのの私のインスピレーションだった本当にに提供するあるシングルプラットホーム
のためにチューニングそして評価するそれらのニューラル通信網モデル。
私だったまたインスパイヤされたそこにはだったいくつかのチューニングスクリプト外そこには。
ニックシェルトン持っていたある脚本それするだろうヘルプあなたそのテーブルを構築する
そして走るそれそして評価するそれらのモデル。
マークベイリー持っていた発展したの追加-でのためにこれとして良い、
そしてそこにはでした青梅コミュニティ投稿それだった試していますfへイグレ外どうやってにこれを行う。
それらのだった全ていくつかの起動ポイントのためにこれ追加-で。
それから私本当にのようにのXGブースト追加-でインターフェース。
その本当にクリーン、その得たいくつかのグラフィカルな出力
そしてその本当に簡単にナビゲートするそしてしましょうあなた自動曲それらのネットワーク。
の追加-でそれ私は現像そうではありません自動チューニング、
その本当にもっとのある野蛮な力方法。
ただ建てるたくさんのモデルそしてそれから持っているあるグラフィカルなインターフェースそこには
に助けてあなた探すの最高1つのためにあなたのシステム。
しましょう行くの上そして動く上にああただ何の追加-でするそしてどうやってに使用それ。
に打ち上げの追加-で、ただのようにほとんど追加-インス、
あなた行くにの追加-でメニュー、そしてその呼ばれたニューラル通信網チューニング。
それかかりますあなたにの打ち上げダイアログ。
これ与えるあなたある列の役割インターフェースそれはとても似ている
に多くの他のプラットフォーム。
私たちはできるただ選択する全部オーf私たちの要因ここそして私たちの応答。
現在、それ許可しますあるシングルY応答、
そしてそれできるなれどちらか継続的なまたはカテゴリー的な。
の追加-で現在のみもっているの二検証メソッド、
それであなたできる特定ある検証カラムと両方検証そしてテスト。
設定もしあなた持っているそれ、もしあなたしないでください、そのただ行くにするあるランダム抑制、
のデフォルトのために彼ニューラル通信網。
それからあなたできる特定そしてトグルまたはトグルの有益なないとして良い。
しかし良いただ行くとこれのために今。
私たちはクリックわかりました、そしてそれかかりますあなたにのチューニング打ち上げ。
これチューニングダイアログ、初め、与えるあなたある少し少しの情報
について何ですかでのデータテーブルそして何あなた指定されたとしてカラム役割。
右今私たちは持っています得たのデータここのテーブル、のモデル検証方法、
として良いとしてかどうかまたはない私たちは持っている有益なないの上またはオフ。
それから私たちは持っています得たのエネルギー省オプション。
何これ追加-で意思する、は見てで全てのパラメータ範囲それあなたはセット
そして作成するある速い、フレキシブル、空間-充填デザイン。
本当にののみデザイン仕様あなた必要
はにセットの番号の試練でこれデザイン。
でこれ場合私たちは持っています得たデフォルトではその行くになれセットに20、
そしてがあるいくつかのルールの親指。
多分あなた欲しいに特定で少しでも10治療法でこれデザイン
のために毎要素それあなたは探しているで、しかしその完全に上にのユーザー、
そしてそれで良い来る戻るそして調整するそれもし私たちは必要に。
あなたできるまた複製するこれデザインとある違うランダムシード。
でいくつかのケースもしあなた欲しいに見るどうやって屈強あなたかもしれないなれ
にあるパラメーター、あなたできる走るの同じニューラル通信網モデル20回、
しかし全てと違うランダム種子に見るどうやって屈強のモデルはにそれ。
それからあなたできるトグルかどうかまたはないあなた欲しいに見るのエネルギー省ダイアログそれショー上。
一度あなたは消えたを通してエネルギー省オプションここ、
あなたできる来る下にのニューラル通信網チューニング。
私試してみたに滞在するかわいい真実にのオリジナルプラットホーム
でのニューラル通信網によるを使用して似ている言語そしてオプションここ。
これはどこあなた行きますndその代わりの指定するあるシングル価値
のために1つのこれらパラメーター、だった行くに特定ある範囲。
また、私は制限するある少し少しの利用可能オプション
のためにのタイプのニューラル通信網それあなたは行くに作成する。
でこれ場合あなたできる生成するあるシングル隠れた層、
あなたできる生成する二隠れたレイヤー、または1つ隠れた層とブースト。
現在、のニューラル通信網プラットホームしません許可する
ある2番層とブースト。
もしあなた試すにするそれでのニューラル通信網プラットホーム、
それ意思与えるあなたある警告言ってるそれその行くに無視するそれ2番層。
でこれ追加-で、私ただ作るそれそれでそれあなたゼロ外全てそれらの2番レイヤー
いつあなた活性化ブースト。
でこれ場合だった行くへ探検するこれデータテーブルある少し
そして多分だった行くにセットいくつかの広い範囲のチューニングパラメーター。
私は行くに行くから0-9の上それぞれのそれらの活性化関数番号のノード。
以上の上のフィッティングオプション、あなたしないでください持っているに必然的に
何を知っていますかかもしれないなれ最高のためにあなたのシステム、あなたできるただ選択する彼ら
になれ一部fのエネルギー省、またはでの場合
これらの変身共変量そして屈強フィットオプション。
あなたできるトグル彼らにいつもなれオフ、いつもなれの上、またはDOE に含めます。
良い含む両方のそれらのでのエネルギー省のためにこれ例。
ペナルティ方法。
あなたできるテストどれでもまたは全ての違う方法。
もしあなたしないでください特定どれでもペナルティ方法、それ意思走る
のデフォルトペナルティ方法四角い。
しかしだった行くにチェック全てのそれらの。
あなたできるまた特定の番号のツアーあたりモデル。
で振り返って、私おそらくしませんでした必要に追加これ
しかし理由はあなたできたする何か似ているによるただ複製する全てののデザイン
そして見るの結果からそれぞれのそれらのモデル。
しかしそのここで場合あなた欲しいに調整するの番号のツアー。
あなたできるまた特定あるランダムシード。
でこれ場合、私は得、3、4、5、6。 6 つの異なる要因でこれデザイン、
など私はただ行くに多分ターンします彼の上に60.
私は行くに作成する60モデル。
前に私クリック走る、私はGですオーイングに話すある少し少しについて
何ですか行くの上いつあなたクリック走る。
の初めものそれ起こるいつあなたクリック走る、
はその行くに作成するある要素テーブルとのみの選択されたパラメーター。
私たちはそれを選択します。
でこれ場合それは作成するある要素テーブルとシングル-層ノード、
全てのの違うフィッティングオプション。
そのない行くに置くの2番目のlエイヤーまたはどれでもののブーストパラメーター
の中への要素テーブル。
それから私は行くに作成するある応答テーブルどこのトレーニング、検証、
そしてテストR-二乗値が指定されている
あるndそれからその行くに組み合わせるそれらのの中へあるシングルテーブル。
これは何のサンプルDOEテーブル意思見てのように。
そのただ行くに持っているの反応としてのR-二乗価値観
そしてそれから全ての違うパラメーター。
それからこれらただ得る合格したの中へのニューラル通信網プラットフォーム行-による-行、
そしての結果見せる上でのデータテーブル。
ただのようにだったと言って、それぞれのそれらの走るでのデザインは行くに行くの中への
ニューラル通信網モデルプラットホーム順次そしてそれから私たちは持っているある少しダイアログ箱
それは行くに示すの全体プロセス。
での場合の本当に長さ-ランニングニューラルネットワーク、
その良いにただ見るどうやって素早くの全体デザインは行くに行く。
私するだろう推薦する前に指定するある大きい番号の試練でこれデザイン
それあなた走る1つまたは二先にの時間ただに見る
どうやって長さ彼らは行くに取る。
もしあなた持っているかなり小さいデータセット、それから彼らは行くかわいい素早く、しかしもしあなた持っている
ある複雑なデータセット、彼らはできる取る時々とてもあるその間に走る。
でこれ場合私はただを使用してあるサンプルデータセットからのサンプルデータセット図書館。
これタブレット生産。
そのないの最高データセットに走るのためにニューラルネットワークただなぜなら
そこにはそうではありませんある全体多くの観察、しかし私はを使用してそれただb原因
のニューラルネットワーク走る本当に素早い。
でこれ場合、もしだった満足と全てのの仕様
それ私たちは持っているで私たちのモデル、私たちはできるただ行く先にそしてクリック走る。
何これもっている終わりはその作成したそれデザインテーブル
そして今その通過を通してそれぞれのそれらの試練
に彼ニューラル通信網プラットホームそして与えるの出力。
もし私たちは見てでの家窓、全てこれもっている終わりはその取られた
それチューニング結果テーブルそして私は隠れたそれ
そして私ただ私を連れて行きますt外の中への同じ窓ここ。
しましょうただ行くの上にの次1つ。
私たちはできる仕事を通してそれデータテーブルここ、それでその相互の作用。
何あなた初め見る上ここはグラフビルダー報告。
T彼のショーあなた全てのあなたの違うパラメーター、
それでの違うアクティベーション機能として良いとしての番号のノード
はの規模、そしてどうやっての検証R-二乗変化
と尊敬にそれぞれのそれらの個人パラメーター。
での場合のカテゴリー的なパラメーター、あなたはなどある箱プロット見せているの違い
での価値観これ方法。
私たちはできる見るでこれ場合多分のために屈強フィット、
その得たあるもっと広い範囲、しかしの上平均それはgですオーイングになれより良い。
の中央値価値はより良い。
はより高いR-四角い。
私たちはできるまた見て下ここでのデータ表、
その行くに選別のデータテーブルによるの検証R-二乗
そしてそれただ色合いそれらのあるもっと深く紫依存しての上の価値。
しましょう見る。
使えるのは…
1つ理由私ただ保たれたこれデータテーブルとしてそれは、
は私たちはできる探検するそれただのように私たちは探検するどれでもデータテーブルでJMP、
それであなたできる見てでカラムヘッダーまたはあなたできる打ち上げグラフビルダー
またはする様々な分析の上これデータテーブルとしてそれは右ここ。
そこにはエリア少し追加データ列または列それは追加した
にこれデータテーブル。
1つ、それ記録のランダムシード。
もしあなた欲しいに再現するこれ、あなた知る何ランダムシード使われた
で生成するのnユーロラル通信網モデル、ショーあなたの有益なない、
ショーあなたの経過時間のためにそれぞれののモデル。
もしあなたは建物大きいモデルまたはあなたかもしれない欲しいに最小化するr時間外、
それからあなたできる得るの見積もるfどうやって長さそれかもしれない取るのためにあなたに走る
追加モデル。
ndOEただ記録何エネルギー省だった走る。
これだったの初め、それでそれ取得ある1.
としてあなたはそうします見る私たちはできる走るある2番そして三番目、そしてあなたできるそれから使用それらの
としていくつかのグラフ作成ツール。
また言うあなたのタイプのニューラル通信網それだった走る。
かどうかそれだったシングル-層状の、ダブル-層、
またはあるシングル-層とブースト。
あるよあるカップルの他の
列それは追加した。
これ要素カラムただしましょうあなた追跡するのの要因
それだった使用済みでのデザインで場合あなた欲しいに比較するモデル
それ持っている違う要因それだった使用済みその代わりのただパラメーター、
その後またある行カラム。
の次ステップそれで私たちはできる続く建物外。
多分でこれ場合だった探検するのパラメーター。
今私たちは持っています得たあるベースラインのあるシングルニューラル通信網
そして多分私たちは欲しいに見るどうやってこれ比較するにある二-層ニューラル通信網。
私たちはできる行く戻るにのチューニング打ち上げどれのだったただ最小化された。
あなたできる見るそれ全てのこれ報告、のグラフビルダー報告
として良いとしてのテーブルはただの追加されたにのチューニング打ち上げ。
私たちはできる行く戻る上に彼のチューニング打ち上げそして多分私欲しいに見てで
二隠れた層。
良い行くに二、そして今病気置くである範囲の
それらの結果またはそれらのパラメーターそして保つすべてそれ以外の同じ。
あなたできる見るその行くにプリロードのランダムシードそれ私生成された
での初めエネルギー省ただに作るもちろんすべての物事を使用しての同じランダムシード。
良い保つそれで60、平けれど私たちはかもしれない欲しいに増加それ
によるある少し少し以来私たちはディンいくつかのもっと要因、
しかし保つそれ単純、良いただ行くと60.
もう一人ものただに言及は、での場合そのおそらくかわいい
低い確率t帽子全てのこれらするだろうなれセットにゼロであるデザイン、
しかしもし彼らははそれはただ行くにのデフォルトとJMP、
どれのはあるシングル10時間層。
あなたしないでください持っているに心配について持っているあるニューラル通信網とゼロレイヤー
またはゼロノード。
もしだった満足とこれ、だったただ行くにクリック走る。
その間これはランニング、私はただ行くに持ってくる上の家窓。
あなたできる見る何そのやってる。
私たちは得た私たちのオリジナルチューニング結果テーブルここ、
そしてその建てられたある2番目のtウイニング結果テーブル、
そしていつその終わった、私はtただ追加しますそれに私たちのオリジナルテーブル。
今私できる見るでオレンジ、は全てのそれらの2番-層モデル。
私たちはできる見るでこれ場合、多分持っている二レイヤー
だったないとても有益でこれ場合。
見た目のようにでかわいい多くの全てケース、それらのニューラルネットワークはないとして良い。
それから多分ただにラウンドこれを、だった行くに行く
そしていくつかの神経を構築しますネットワークとブースト。
ブースティングはある本当にニース方法に増加の予測力の私たちのモデル。
だった行くに特定いくつかのブーストレベルから1～10、として良いとして
の学ぶレートから0.1に1.
一度また私たちのランダムシードは同じ、そしてこれらは行くに取る
ある少し少しより長いです、それで私はただ行くにを減らす番号の走る
ただでの興味の時間。
私たちはできるクリック走るここ、私たちは得る私たちのダイアログ箱それ言う私たち
私たちの全体進捗、そして私たちはできる見るこれらでのケース
どこ私たちは持っていますおそらく得たたくさんのブースト、彼らはかもしれないなれ取るある少し少しの時間。
でこれ場合ブーストニューラルネットワーク、またはニューラルネットワークそれ持っていたブースト
は今これ紫、そして私たちはできる見るでかわいい多くの全てのケース
紫はより高い、特にいつそれ見た目のように
私たちはできる見るによるこれら箱プロットとして良い。
それから私たちはできるまた見るで彼の場合以上ここ私たちのブースト。
多分私たちはしていない見つかったの最大番号のブースト、
それ見た目のようにそれ続く行く上、
それで私たちはかもしれない欲しいに追加いくつかの追加ブーストレイヤーまたは多分
私たちの学ぶレートは最高でこれ真ん中に高い価値
その代わりのでの最低学ぶレート価値観。
の次もの私たちはもしかしたらw蟻にする一度私たちは持っているこれイニシャルビュー
の私たちのシステム、はに走るある少しのこれらニューラルネットワークそして比較する彼ら。
私たちはできるするそれある少し方法。
私たちはできる見てで私たちのテーブルここでnd走るまたはそして選択するいくつかのニューラルネットワーク
ベースのの上のグラフ、そしてあなたできる見る彼らはハイライト下下に
で私たちのデータテーブルとして良い。
多分何私たちは欲しいにするは走るの上四または五。
私欲しいに走るの上五。
私はしません持っているに行く戻るの中へのニューラル通信網プラットホームにするこれ、
私できるただ走るそれによるクリックするこれボタン、走る選択されたモデル。
今その行くに走るそれらの戻るの中へのニューラル通信網プラットホーム
そして与える私たちある少し出力それショー私たちの行で私たちのデータテーブルそれだった走る。
これはただの標準ニューラル通信網出力今。
私たちは合格を通しての同じランダムシード、それでもし私たちは取るある見てR二乗値では、
だった行くに得るの同じニューラル通信網それだった発展した
なぜならだったを使用してそれ、通過を通してそれ同じシード。
それから私たちはできる来るを通してそして私たちはできる取るある見てもっと...
どちらかのもっとまとめ統計価値観またはの実際の対予測され、
または得るのプロファイラー。
何でも私たちはかもしれない欲しいにする比較するこれらニューラルネットワーク。
1つ他のもの私たちはかもしれない欲しいにするでこれステージ
は作成するいくつかの追加視覚化。
私たちはできる行くを通してそして私たちはできる見せるこれチューニングテーブル。
もし私たちはしないでください欲しいに仕事私にtここ、私たちはできるただ再表示それ、
そして今私たちは持っています得たあるデータテーブルそれ私たちはできる使用、
そして私たちはできる行くの中へグラフビルダーそして多分私たちは欲しいに
取るある見てで検証対トレーニングR-二乗
ただに見るどうやってそれは見て、または私たちはできる行くを通して。
なぜなら私たちは持っています得たの番号のエネルギー省、我々はできる追跡どうやって私たちのニューラルネットワーク
持っている改善されたと私たちのチューニング。
私できる行くの中へグラフビルダーそして私できる使用それnDOE、
そして多分私たちは欲しいに見てでトレーニングと検証の R 二乗、
私たちはできる振り向くの上箱プロットそして私たちはできる見るどうやって私たちのチューニングもっている進歩した以上時間
とそれぞれその後デザインそれ私たちは走った。
他のオプションはもしあなた欲しいにするいくつかのもっと分析的タイプ分析ここ、
私たちはできる行くの中へふるい分けそして私たちはできる走る予測子ふるい分け。
私たちはできる取る全てのそれらのパラメーター、負荷彼らでとして予測子、
そして見る私たちのトレーニングそして検証R-四角い。
クリックわかりました、そして今私たちはできる見るどれの要因かもしれないなれほとんど影響力のある
の中にトレーニングまたは検証。
ない驚くべきことに、それらの学ぶ料金そしてをブーストする再良いでこれ検証。
あるよいいえ終わりに何分析あなたかもしれない欲しいにする、
の上ここそのただ何あなたのゴールののニューラル通信網だった
そしてどこあなた欲しいに行くとそれ。
しかしあなたできるするそれ全てで彼のデータテーブルどれの今もっている160ニューラル通信網モデル。
多分これらニューラル通信網モデル取るある少し少しの時間、
それで別のものあなたできるするは私たちはできるただ保存これ。
私欲しいに行くファイル、そして私できる保存これ。
私はただgオーイングに保存それに私のデスクトップTとしてウイニング結果。
私できる来る戻るにこれ後で。
今それ私は得たそれ保存されました、私は行くに近いこれ。
1つものそれあなたはそうします得るある警告、いつあなた近いそれ。
あなたすべきただ隠れるこれデータテーブル。
もしあなた近いそれ、その行くに取るそれ外ののニューラル通信網プラットホーム
そしてあなたしませんなれできるに続くあなたの仕事、
しかしあなたできる隠れるそれ。
いつあなた得る戻るにの追加-で、いつあなた近いこれ窓、
そのただ行くに思い出させるあなた。
あなたはできる近いそれそれなし節約またはあなたできるキャンセルに行く戻るそして保存それ。
だったただ行くにクリックわかりました。
いつ私保存これチューニングテーブルのために後で、それで何私できるするは、
は今私できる再起動するそれ追加-でそして私できる行くの中へのチューニング追加-で、
クリックわかりました。
しかしその代わりのリセットするどれでもパラメーターそしてクリックする走る、私できる行くに負荷。
何私できるするは私できる負荷ある以前保存されましたチューニングテーブル、
そして何これするはさせて自分での場合のニューラルネットワーク
それ取るある長さ時間、あなたしないでください持っているに始める以上から傷。
あなたできるただ保つ建物の上のテーブルそれあなた欲しかった、または多分あなたする
いくつかの追加分析オフラインそして欲しいに来る戻るで
そして建てるいくつかのもっとモデル、それであなたできる行くを通してそしていつあなた特定
全ての違うパラメーターそして番号のチューニング走るあなた欲しいに持っている、
そのただ行くに続く追加するそれにこれテーブル。
とそれしましょう最小化するこれ。
それは素早い走るを通してのllの違うオプション
でこれチューニングテーブル。
その本当にある野蛮な力方法。
あなたできる見るあるよいいえ自動曲。 右今そのただランニング
全てそれらの違うパラメータ組み合わせ与えるあなたのアイデア
どこのあなたの最適なモデルかもしれないなれ。
どうやってあなたかもしれない仕事これの中へあなたのワークフローそれであなたできる探検するそれらのパラメーター、
これは本質的に何私たちはした今日。
私たちは見たでシングル-層モデル、私たちは見たでモデルと二層。
シングル-層とブースト。
別のものあなたかもしれないするは行く戻るそして言う、
「わまあ、どこは私の最適なモデル？」
彼らはここ。
私できる行く戻るにのチューニング打ち上げそして多分私欲しいに再作成するそれらのモデル
そして行くもっとに向かってこれ範囲。
それ見た目のように私は入るの真ん中範囲ここ、は最適な、
それでその代わりの行くから0-9、多分私行くから5-7 。
線形モデルまたかもしれないなれ最高での真ん中、
そして多分のガウス、があるいくつかの良いものの上の左、
それで良い行くから1-8または何かのようにそれ、セブンまたは八。
それから私たちはできる見てでどれの... でこれ場合、そこにはそうではなかったのアドバンテージ
に持っているそれの上またはオフ、それで私たちはできたただ持っているそれらのオフ、
またはオフまたはの上。
しかしそれ見た目のように多分でこれ場合の重さ減衰だったの最高方法、
それで私たちはできたただ含むそれ1つそしてそれから行くを通して
そして建てるいくつかのもっとモデルとある狭い範囲のそれらのパラメーター。
私たちはできるまたチェックパラメータ感度にあるランダムシード。
でこれ場合私たちはできる合格を通してどちらか絶え間ない価値観
ああrある狭い範囲。
あなたできる合格を通してある絶え間ないセットのパラメーター
ただによる設定それぞれパラメータ等しいにそれぞれ他の、
そしてそれは合格それを通してのニューラル通信網として五毎時間、
またはあなたできるただ特定の分価値、そしてそれ意思合格それを通して
としてある絶え間ない価値。
もし私たちは欲しかったに私たちはできた見てで
たぶんこれだったあるニューラル通信網それだった1つそれ私たちは特定されたとして最適な、
しかし私欲しいに見るどうやって屈強それはにのランダムシード。
何私たちはできるするは私たちはできるただ言うただ走るそれ一度、
しかししましょう複製するそれと20ランダム種子。
それかもしれない実は取るある少し少しの時間、
それでしましょう行く下に10.
それから私たちはできる...
実は、私しないでください欲しいにするそれの上これ1つ、
なぜなら私は得た全てそれらの他、しかし良いただ走るこれ。
あなたかもしれない欲しいにするこれの上あるクリーンデータテーブル
どこあなたはない追加するそれにのデザイン、しかし私たちはできるbを使用します原因私たちは持っている
の番号のDOE私たちはできた探すどこそれランダムシードだった。
私たちはできる見るここ、全ての違うランダム種子
そして私できる行くの中へグラフビルダーそして私できたただ置くで
のトレーニングそして検証R-平方、そしてそれから私できる使用地元データフィルター今
の上私のランダムシードに見せるすべてを除外するの1つどこ私たちは持っていた全てそれらの。
今私できる見るどうやって屈強私のモデルはにそれランダムシード。
それはの同じデザイン今走る10回、
そしてそれでの上平均私たちはできる見る何の中央値価値は
またはの範囲の期待される結果。
それからついに、ｗ eできる負荷それらの保存されましたデータテーブル。
それらのは本当に有益のためにニューラル可能性のあるネットワーク
本当に長さコンピューティング回、それであなたできる保存それオフ
そして来る戻るにそれ後で。
それらのはいくつかのワークフローそれかもしれないe役立つにあなたとしてあなた建てる
あなたのニューラル通信網モデル。
私ただ欲しいに包む上とある少しレッスン学んだ。
これだったの初めスクリプトプロジェクトそれ私行ったを通して
それ発展したの応用、
そしてそれで私考えるこれはかわいい明らかに誰でもそれは発展した任意のJSL
または建てられたどれでもアプリケーション、のJMPコミュニティは本当に
の貴重なリソース。
私するだろう言う95%の全て私の質問、私するだろうただ行くにのコミュニティ
そして誰かそれ以外持っていたある似ている問題。
本当に推薦するもしあなたは興味があるで建物追加-インス、
建物アプリケーション、のコミュニティは本当にの初め場所に行く。
本当に、あなたの想像そしてあなたのターゲットはの制限する要素
で現像これらアプリケーション。
あ整列したとあれはなぜならがあるそれで多くの可能性、
そこにはだったある必要に保つこれ集中した。
でこれ場合、私ただ持っている... 私考えるで1つ反復
私持っていた多くの違う出力、違うグラフ、
しかし彼らはそうではなかった本当にの心臓のの応用。
なぜならあるよそれで多くの可能性、本当に試してみたに保つこれ集中した
の上ただ与えるいくつかのグラフィカルな出力にナビゲートするの違うモデル
そして走る彼らそして識別するどれのかもしれないなれほとんど適切な。
なに？次？
私本当に欲しいフィードバック。
そのわがまま、しかしその何私本当に欲しい。
私するだろう愛に聞くどうやって人々できる使用これ、どうやってその利益を得る彼ら。
あなたできる探すこれでのコミュニティ、での追加-でセクションののコミュニティ。
お願いします感じる無料に作るある役職ここ、教えて自分どうやってあなたはを使用してそれ。
私する持っているある少し知られている問題、そしてとして私集めるもっと、
私はもちろんそのない100%バグ-証拠、しかしこれ意思なれの場所に行く
に得るの現在バージョンのの加えるとして良いとして理解するどれでも知られている問題。
しかし私はそうするだろう愛に聞くどうやってあなたはを使用してそれ、
そしてのコミュニティはある素晴らしい場所にするそれ。
私するだろうまたのようにに聞くアイデアの上追加報告します。
私保たれたこれかわいい単純、しかしもしあなた探すそれあるよある報告
それあなたは生成する毎時間あなた走るこれ、
私はそうするだろうのようにに知る何それですnd多分私たちはできる建てるそれの中への追加-で。
私はまた行くに続くデバッグ中。
そこにははある少し知られている問題それ私は働くを通して右今、
そしてそれから多分あるより大きなゴールはに試すにするそれ自動曲。
その代わりのやってるこれ野蛮な力方法、多分始める外と
小さな番号o fパラメーター、形外どれのもの
エリア影響を与えるの応答のほとんど、そしてそれから持っているある指示されたチューニング。
とそれ、私はそうするだろうのようににありがとうのために聞いているにこれプレゼンテーション。
これはある本当に楽しいプロジェクトそして私希望あなた探すそれ役に立つ、
そしてするだろう愛に聞くについてそれ。
ありがとう。
