自己検証型アンサンブル モデルJMP チーフデータサイエンティスト@chris_gotwalt1ニューハンプシャー大学主任講師と@philramseyDoE を分析するための自己検証アンサンブル モデル (SVEM) 手法を導入しました。 Chris の言葉が最も適切だと思います。「SVEM を使用すると、少ない観測でより正確なモデルを取得できます。」これは機械学習と DoE の間の架け橋です。あなたが楽しんでくれることを望みます。
Re: アンサンブル モデルの自己検証@Kira_Alhorn 、はい。彼が言いたいのは、SVEM 内の各モデルで、ペアの分数加重ブートストラップ重み列を再評価することになるため、トレーニング セットの各メンバーに新しい重みをもつモデルが得られるということです。 Fit Model プラットフォームを使用している場合、この列は重み変数として使用されます。一般化回帰プラットフォームの場合、これは頻度変数として使用されます。
お役に立てれば。さらに明確にする必要がある場合はお知らせください。
Re: アンサンブル モデルの自己検証とても興味深いです - 共有してくれてありがとう!実際、私はその種の分析用の DoE を設計する方法について多くの質問をしようとしていましたが、最終ディスカッションで Chris がすべて自分で質問を提起しました。 SVEM が進化するのを本当に楽しみにしていますし、SVEM に最適な設計について聞くのが楽しみです。利用可能であれば、ぜひ試してみたいと思います。
この例を理解する上で 1 つ質問があります。説明の中で Chris は「重み付けされたデータに統計モデルを当てはめたんだ」と言いました。具体的な例では、SVEM RSM について話すとき、RSM をフィッティングするときに、各反復で計算されたトレーニングの重みを「モデルのフィット」プラットフォームの「重み」として使用することを意味しますか?
