Hallo zusammen,
Dies ist ein Beitrag, um Fragen zu diesem Add-In zu stellen und die Fragen und Antworten offener zu formulieren.
Hier sind meine Fragen im Allgemeinen und in Bezug auf JMP Genomics (das auch dieses Add-In erhält):
- Was ist das Hauptproblem, das XGBoost angehen soll? (z. B. Modelle mit schlechter Leistung? Umgang mit spärlichen Daten, die mit anderen Methoden nicht einfach zu bewältigen sind? Probleme mit der Genauigkeit?) Ich habe gelesen, dass es die Geschwindigkeit der Modellierung wirklich erhöht, aber was sonst und geben Sie bitte ein Beispiel.
- Wie trifft dies auf Genomdaten zu?
- Was ist der tatsächliche Nutzen (persönlicher und geschäftlicher Nutzen)? Ziel ist es, SEs dabei zu helfen, einer Organisation den Nutzen zu vermitteln und darzulegen, warum sie Zeit (und/oder Geld) für die Implementierung investieren möchten.
- Welche Auswirkungen und welches Ausmaß hat ein Geschäftsproblem?
- Hat jemand außerhalb von Kaggle XGBoost implementiert und was war das Ergebnis?
Danke,
Ein weiterer Punkt, der dieser Diskussion hinzugefügt werden sollte: XGBoost verfügt über eine LGPL3-Lizenz. Das Kurz gesagt ist, dass es uns nicht gestattet ist, es eingebettet als Teil der regulären JMP-Software zu vertreiben, damit wir JMP nicht grundsätzlich kostenlos für alle bereitstellen müssen. Die einzige Möglichkeit besteht darin, dass der Benutzer freiwillig das Paket mit diesem Modul herunterlädt und selbst die Verantwortung für die Einhaltung der LGPL-Lizenz übernimmt.
Brian
Hallo Mike, die Zukunft muss noch ausgearbeitet werden und wir sind offen für Vorschläge. Dies ist das erste Mal, dass wir Hardcore-Analytics von Drittanbietern auf C++-Ebene in JMP integriert haben und als ersten Schritt wollen wir über ein Add-In etwas Abstand und Flexibilität wahren. Ich bezweifle ernsthaft, dass dies ein neues JMP-Produkt wird, hoffe aber, dass es dazu beiträgt, den Verkauf von JMP Pro zu steigern und uns wertvolle Einblicke in einige der tektonischen Veränderungen zu geben, die bei Analysesoftware stattfinden.
Danke Chris, dass du diese angesprochen hast.
1. Was ist das Hauptproblem, das XGBoost angehen soll? (z. B. Modelle mit schlechter Leistung? Umgang mit spärlichen Daten, die mit anderen Methoden nicht einfach zu bewältigen sind? Probleme mit der Genauigkeit?) Ich habe gelesen, dass es die Geschwindigkeit der Modellierung wirklich erhöht, aber was sonst und geben Sie bitte ein Beispiel.
XGBoost ist im Großen und Ganzen eine wirklich gute Allzweck-Plattform für die prädiktive Modellierung. eine aufgeladene Variante der aktuellen JMP Pro Boosted Tree-Plattform. Wie Boosted Tree und Bootstrap Forest erstellt es Statistiken mit variabler Wichtigkeit und kann daher auch in einem eher erklärenden Modus verwendet werden, um die stärksten Prädiktoren zu ermitteln und die schlechtesten zu eliminieren. Es verarbeitet automatisch fehlende Daten in Prädiktoren und verfügt über Zielfunktionen für alle gängigen Arten von Y-Zielen. Es ist relativ schnell und sollte bei der Anpassung standardmäßig alle Kerne Ihres Computers nutzen und kann optional eine NVIDIA-GPU unter Windows verwenden. Das Add-in enthält zwei grundlegende Beispiele und ein Dokument, das diese erklärt. Mit den bereits hochmodernen Datenbearbeitungs-, Bereinigungs- und Feature-Engineering-Funktionen in JMP Pro bietet es eine hervorragende Möglichkeit, modernes maschinelles Lernen an Tabellendaten durchzuführen, ohne Code schreiben zu müssen.
2. Wie trifft dies auf Genomdaten zu?
Es gibt in XGBoost nichts Spezifisches in Bezug auf Genomdatensätze, aber es kann für diese und andere umfassende Datenprobleme gut funktionieren. Luciano Silva (JMP Genomics-Entwickler) und ich haben einige Vergleiche mit einigen der derzeit besten Genom-Selektionsroutinen (z. B. Genomic BLUP) durchgeführt und die Leistung ist tendenziell gleich gut, aber nicht wesentlich besser.
3. Was ist der tatsächliche Nutzen (persönlicher und geschäftlicher Nutzen)? Ziel ist es, SEs dabei zu helfen, einer Organisation den Nutzen zu vermitteln und darzulegen, warum sie Zeit (und/oder Geld) für die Implementierung investieren möchten.
XGBoost lässt sich am direktesten auf Geschäftsprobleme anwenden, die als Vorhersageprobleme umgewandelt werden können. Sie können es jedoch auch zum Analysieren von Daten aus geplanten Experimenten verwenden. Es lässt sich gut auf größere Datensätze skalieren. Für neue Benutzer ist ein gewisser Lernaufwand erforderlich, um die Optimierungsparameter zu verstehen, und wir haben Funktionen hinzugefügt, die DOE verwenden, um die Optimierung dieser Parameter zu unterstützen. Wir verwenden DOE auch auf neuartige Weise in einer ergänzenden Routine „Make K-Fold Columns“, um optimal ausgewogene Aufteilungen der Daten für die Kreuzvalidierung zu erstellen. Eine vollständige Liste der Mehrwerte, die JMP Pro gegenüber der Standard-XGBoost-Funktionalität bietet, finden Sie im Dokument mit dem Add-In.
4. Welche Auswirkungen und welches Ausmaß hat ein Geschäftsproblem?
Kommt stark auf das Problem an! Manchmal können kleine Verbesserungen der Vorhersagen und des Verständnisses eines Systems große Auswirkungen haben, manchmal jedoch nicht so sehr.
5. Hat außerhalb von Kaggle jemand XGBoost implementiert und was war das Ergebnis?
Meines Wissens nach haben zahlreiche Organisationen XGBoost-Modelle erfolgreich in der Produktion implementiert, ich habe jedoch keine guten Referenzen für Sie. Im Internet gibt es viele Diskussionen über XGBoost. Die meisten Leute führen XGBoost über Python oder R aus und stellen es bereit. Es gibt eine Option mit einem roten Dreieck zum Speichern von Python-Code, bei dem es sich eigentlich um vollständigen Code für die Kreuzvalidierung des Modells von Grund auf handelt.
An alle: Wir befinden uns derzeit im Early Adopter-Modus und haben eine neue JMP-Community-Gruppe eingerichtet. Mia Stephens und Stephanie Mencia helfen freundlicherweise und wir haben bereits einige fantastische Rückmeldungen erhalten. Bitte teilen Sie mir mit, ob Sie der Gruppe hinzugefügt werden möchten oder einfach nur das Add-In ausprobieren möchten.
