Salut tout le monde,
Ceci est un article pour commencer à poser des questions sur ce complément et pour être plus franc sur les questions et réponses.
Voici mes questions en général et en ce qui concerne JMP Genomics (qui bénéficie également de ce complément) :
- Quel est le principal problème que XGBoost est censé résoudre ? (Par exemple, des modèles peu performants ? Traiter des données clairsemées pas facilement traitées par d'autres méthodes ? Problèmes de précision ?) J'ai lu que cela augmente vraiment la vitesse de modélisation, mais quoi d'autre et s'il vous plaît, donnez un exemple.
- Comment cela s’applique-t-il aux données génomiques ?
- Quel est le bénéfice réel (bénéfice personnel et professionnel) ? L’objectif est d’aider les PME à communiquer les avantages pour une organisation des raisons pour lesquelles elles souhaiteraient investir dans le temps (et/ou l’argent) nécessaire à la mise en œuvre.
- Quel est l’impact et l’ampleur d’un problème commercial ?
- En dehors de Kaggle, quelqu'un a-t-il implémenté XGBoost et quel a été le résultat ?
Merci,
Autre point à ajouter à cette discussion : XGBoost possède une licence LGPL3. En bref, nous ne sommes pas autorisés à le distribuer intégré dans le logiciel JMP standard, de peur de devoir fournir JMP essentiellement gratuitement à tous. La seule façon est pour l'utilisateur de télécharger volontairement le package contenant ce module et d'assumer la responsabilité personnelle d'adhérer lui-même à la licence LGPL.
Brian
Bonjour Mike, L'avenir reste à déterminer et nous sommes ouverts aux suggestions. C'est la première fois que nous intégrons des analyses tierces de base dans JMP au niveau C++ et dans un premier temps, nous souhaitons maintenir une certaine distance et flexibilité via un complément. Je doute sérieusement que cela devienne un nouveau produit JMP, mais j'espère que cela contribuera à améliorer les ventes de JMP Pro et nous fournira des informations précieuses sur certains des changements tectoniques qui se produisent avec les logiciels d'analyse.
Merci Chris de les avoir soulevés.
1. Quel est le principal problème que XGBoost est censé résoudre ? (Par exemple, des modèles peu performants ? Traiter des données clairsemées pas facilement traitées par d'autres méthodes ? Problèmes de précision ?) J'ai lu que cela augmente vraiment la vitesse de modélisation, mais quoi d'autre et s'il vous plaît, donnez un exemple.
XGBoost est pour l’essentiel une très bonne plateforme de modélisation prédictive à usage général ; une variante suralimentée de la plateforme JMP Pro Boosted Tree actuelle. Comme Boosted Tree et Bootstrap Forest, il produit des statistiques d'importance variable et peut donc également être utilisé de manière plus explicative pour déterminer les prédicteurs les plus forts et éliminer les plus faibles. Il gère automatiquement les données manquantes dans les prédicteurs et dispose de fonctions objectives pour tous les types courants de cibles Y. Il est relativement rapide et devrait par défaut utiliser tous les cœurs de votre machine lors de l'installation, et peut éventuellement utiliser un GPU NVIDIA sous Windows. Le complément est livré avec deux exemples de base et une documentation les expliquant. Grâce aux capacités de manipulation, de nettoyage et d'ingénierie des fonctionnalités déjà à la pointe de la technologie de JMP Pro, il constitue un formidable moyen d'effectuer un apprentissage automatique moderne sur des données tabulaires sans avoir à écrire de code.
2. Comment cela s’applique-t-il aux données génomiques ?
Il n'y a rien de spécifique dans XGBoost lié aux ensembles de données génomiques, mais cela peut bien fonctionner pour eux et pour d'autres problèmes de données plus larges. Luciano Silva (développeur JMP Genomics) et moi avons effectué quelques comparaisons avec certaines des meilleures routines de sélection génomique actuelles (par exemple Genomic BLUP) et elles ont tendance à fonctionner aussi bien, mais pas de manière significative.
3. Quel est le bénéfice réel (bénéfice personnel et professionnel) ? L’objectif est d’aider les PME à communiquer les avantages pour une organisation des raisons pour lesquelles elles souhaiteraient investir dans le temps (et/ou l’argent) nécessaire à la mise en œuvre.
XGBoost s'applique le plus directement aux problèmes commerciaux qui peuvent être considérés comme des problèmes de prédiction, bien que vous puissiez également l'utiliser pour analyser les données d'expériences conçues. Il s’adapte bien à des ensembles de données plus volumineux. Pour les nouveaux utilisateurs, un certain apprentissage est nécessaire pour comprendre les paramètres de réglage, et nous avons ajouté une fonctionnalité qui utilise DOE pour aider à régler ces paramètres. Nous utilisons également DOE d'une manière nouvelle dans une routine supplémentaire Make K-Fold Columns pour créer des répartitions optimalement équilibrées des données à utiliser pour la validation croisée. Consultez la documentation contenant le complément pour une liste complète des valeurs ajoutées. JMP Pro apporte la fonctionnalité XGBoost standard.
4. Quel est l'impact et l'ampleur d'un problème commercial ?
Cela dépend fortement du problème ! Parfois, de petites améliorations dans les prévisions et la compréhension d’un système peuvent avoir de grands impacts, d’autres fois moins.
5. En dehors de Kaggle, quelqu'un a-t-il implémenté XGBoost et quel a été le résultat ?
Je crois comprendre que de nombreuses organisations ont implémenté avec succès les modèles XGBoost en production, mais je n'ai pas de bonnes références pour vous. Il y a beaucoup de discussions sur XGBoost en ligne. La plupart des gens exécutent et déploient XGBoost à partir de Python ou R. Il existe une option triangle rouge pour enregistrer le code Python, qui est en fait un code complet pour la validation croisée du modèle à partir de zéro.
À tous : nous sommes actuellement en mode Early Adopter et avons créé un nouveau groupe communautaire JMP. Mia Stephens et Stephanie Mencia nous aident gentiment et nous avons déjà reçu des commentaires fantastiques. Veuillez me faire savoir si vous souhaitez être ajouté au groupe ou si vous souhaitez simplement essayer le complément.
