私はブートストラップ フォレストを予測モデルとして実行しています。 気に入ったハイパーパラメータがありますが、最良の検証 r 二乗を与えるランダム フォレストを見つけるために複数回 (例: 500 回の複製) 実行したいと考えています。 調整設計テーブルを構築しましたが、1 つの予測 y 変数 (データセットには 11 個あります) に対して実行するたびに、毎回同じ設計テーブルを手動で選択する必要があります。 コンピューターのそばに座って、実行ごとに 10 ～ 15 分待ってから、「次へ」をクリックするのは時間がかかります。 むしろ設定して忘れてしまいたいです。 各 y 変数に対して同じ調整テーブルを自動的に実行できるようにする設定はありますか?
参考までに、これは各ブートストラップ フォレストが完了した後にクリックする必要があるボックスです。
Bootstrap Forest のドキュメントによると、プラットフォームの JSL で使用するテーブルを指定するだけで済みます。
つまり
Bootstrap Forest(
Y( :Percent body fat ),
X(
:"Age (years)"n, :"Weight (lbs)"n, :"Height (inches)"n,
:"Neck circumference (cm)"n, :"Chest circumference (cm)"n,
:"Abdomen circumference (cm)"n, :"Hip circumference (cm)"n,
:"Thigh circumference (cm)"n, :"Knee circumference (cm)"n,
:"Ankle circumference (cm)"n, :"Biceps (extended) circumference (cm)"n,
:"Forearm circumference (cm)"n, :"Wrist circumference (cm)"n
),
Tuning Design Table("place your design table name here"),
Go
)こんにちは@ClassCanary405 、
コミュニティへようこそ！
さらにいくつかの質問とコメントは、あなたの質問とは直接関係ありませんが、検討する価値があるかもしれません:
最後に、ランダム フォレスト (JMP ではブートストラップ フォレストと呼ばれます) は、機械学習で利用できる最も堅牢な教師あり学習モデルの 1 つです。 他の可能なアルゴリズムとは異なり、これはハイパーパラメータ調整の影響を受けにくい数少ないモデルの 1 つであり、基本的な JMP Pro の推奨/デフォルト設定でランダム フォレストの優れたパフォーマンスを得ることができます。
機械学習モデルの「調整可能性」(パフォーマンスに対するハイパーパラメータ調整の影響) の詳細については、次の論文を確認してください。 [1802.09596] 調整可能性: 機械学習アルゴリズムのハイパーパラメーターの重要性 (arxiv.org)
この補足的な回答がお役に立てば幸いです。
