Funciones adicionales en el proceso gaussiano¿Qué inspiró esta solicitud de lista de deseos?
Recientemente tuve una reunión con NIPPON SHOKUBAI CO LTD. El cliente solicita dos funciones en el proceso gaussiano (estructura de correlación = gaussiana).
La primera solicitud es la función para configurar un parámetro theta común. El JMP actual solo permite diferentes parámetros theta para cada predictor. El cliente dijo que diferentes modelos theta tienden a sobreajustarse.
La segunda solicitud es una función para crear modelos con valores de parámetros especificados por el usuario.Dijeron que estarían encantados de especificar sus propios parámetros y comparar modelos.
Describa la función o solución nueva o mejorada que le gustaría ver.
Características adicionales del Proceso Gaussiano (estructura de correlación = Gaussiana).
- Función para configurar un parámetro theta común.
- Función para crear modelos con valores de parámetros especificados por el usuario.
¿Cuál sería el valor para usted y/u otros usuarios si se proporciona esta nueva función?
Los usuarios pueden considerar varios modelos de procesos gaussianos.
¿Es esta una solicitud de un cliente externo?
Sí.NIPPON SHOKUBAI CO LTD solicitó esta función.
¿Hay algún paquete de software de la competencia que tenga esta característica o solución que debamos conocer?
Pitón.
https://scikit-learn.org/stable/modules/generated/sklearn.gaussian_process.GaussianProcessRegressor.html#sklearn.gaussian_process.GaussianProcessRegressor
¿Esto afectará una renovación, expansión o adopción en un cliente, y pone esto en riesgo una cuenta si no abordamos esto?
Hay potencial para la expansión.
Modelado Estadístico AvanzadoRe: Funciones adicionales del proceso gaussiano: estado cambiado a: ReconocidoRe: Funciones adicionales del proceso gaussiano: estado cambiado a: InvestigandoHola @Takumi_Saru Gracias por estas sugerencias y por proporcionar los detalles detrás de la solicitud. Estamos investigando una posible inclusión en una versión futura.
Re: Funciones adicionales del proceso gaussianoHola @Takumi_Saru , ¿tiene el cliente algún dato que nos ayude a probar y mostrar la utilidad de forzar el mismo valor de parámetro?
Fijar los valores de los parámetros para la exploración también es una buena idea. Mientras tanto, podrían editar la fórmula y cambiar los valores ellos mismos para comparar. Sin embargo, es un poco tedioso hacerlo de esta manera, por lo que tiene sentido intentar hacerlo más fácil.
Re: Funciones adicionales del proceso gaussiano@mia_stephens -san, @RyanParker -san, gracias por responder.
Verifiqué con el cliente y recibí la siguiente respuesta.
--
No podemos proporcionar datos de muestra específicos.
Dado que es difícil imaginar un caso en el que el grado de no linealidad difiera mucho para cada variable explicativa, a menudo se utiliza un θ común cuando se trata de prescripciones experimentales.
Si optimizamos θ para cada variable explicativa en una situación donde el θ común es apropiado, no hay problema si se ajusta al θ común.
Sin embargo, en nuestra experiencia, a menudo ocurre que cada θ se convierte en un valor muy pequeño (demasiado no lineal) debido a un fuerte ajuste de los datos.
Lamentamos no poder proporcionar datos de muestra específicos, pero podemos crear datos de juguetes para usted.
Si desea datos sobre juguetes, ¿podría indicarnos la fecha límite?
--
Re: Funciones adicionales del proceso gaussiano@Takumi_Saru Un conjunto de datos de juguetes sería muy útil, ¡y no hay fecha límite!
Re: Funciones adicionales del proceso gaussiano@RyanParker -san, le pediré al cliente que cree los datos del juguete.
Me pondré en contacto con usted al recibir los datos del juguete.
Re: Funciones adicionales del proceso gaussiano: estado cambiado a: reconocido
