Ciao a tutti,
Questo è un post per iniziare a porre domande su questo componente aggiuntivo e per essere più sinceri riguardo alle domande e alle risposte.
Ecco le mie domande in generale e relative a JMP Genomics (che riceverà anche questo componente aggiuntivo):
- Qual è il problema principale che XGBoost dovrebbe risolvere? (ad es. Modelli con prestazioni scadenti? Affrontare dati sparsi non facilmente gestibili con altri metodi? Problemi di precisione?) Ho letto che aumenta davvero la velocità della modellazione, ma cos'altro e per favore fornisci un esempio.
- Come si applica questo ai dati genomici?
- Qual è il vantaggio reale (vantaggio personale e aziendale)? L'obiettivo è aiutare le SE a comunicare i vantaggi a un'organizzazione e il motivo per cui vorrebbero investire in tempo (e/o dollari) per l'implementazione.
- Qual è l’impatto e la portata di un problema aziendale?
- Al di fuori di Kaggle, qualcuno ha implementato XGBoost e qual è stato il risultato?
Grazie,
Un altro punto da aggiungere a questa discussione: XGBoost ha una licenza LGPL3. Il problema è che non ci è consentito distribuirlo incorporato come parte del normale software JMP, per evitare di dover fornire JMP essenzialmente gratuitamente a tutti. L'unico modo è che l'utente scarichi volontariamente il pacchetto contenente questo modulo e si assuma la responsabilità personale di aderire alla licenza LGPL.
Brian
Ciao Mike, il futuro è ancora da definire e siamo aperti a suggerimenti. Questa è la prima volta che integriamo analisi fondamentali di terze parti in JMP a livello C++ e come primo passo vogliamo mantenere una certa distanza e flessibilità tramite un componente aggiuntivo. Dubito seriamente che questo diventerà un qualsiasi tipo di nuovo prodotto JMP, ma spero che contribuirà a migliorare le vendite di JMP Pro e ci fornirà preziose informazioni su alcuni dei cambiamenti tettonici che si verificano con il software di analisi.
Grazie Chris per averli sollevati.
1. Qual è il problema principale che XGBoost dovrebbe risolvere? (ad es. Modelli con prestazioni scadenti? Affrontare dati sparsi non facilmente gestibili con altri metodi? Problemi di precisione?) Ho letto che aumenta davvero la velocità della modellazione, ma cos'altro e per favore fornisci un esempio.
XGBoost è per la maggior parte una piattaforma di modellazione predittiva davvero buona e per scopi generali; una variazione potenziata dell'attuale piattaforma JMP Pro Boosted Tree. Come Boosted Tree e Bootstrap Forest, produce statistiche di importanza variabile, quindi può essere utilizzato anche in modalità più esplicativa per determinare i predittori più forti ed eliminare quelli più poveri. Gestisce automaticamente i dati mancanti nei predittori e dispone di funzioni obiettivo per tutti i tipi comuni di target Y. È relativamente veloce e dovrebbe utilizzare per impostazione predefinita tutti i core del tuo computer durante l'adattamento e, facoltativamente, può utilizzare una GPU NVIDIA su Windows. Il componente aggiuntivo viene fornito con due esempi di base e un documento che li spiega. Grazie alle funzionalità già all'avanguardia di manipolazione dei dati, pulizia e ingegneria delle funzionalità di JMP Pro, offre un modo formidabile per eseguire il moderno machine learning su dati tabulari senza dover scrivere codice.
2. Come si applica questo ai dati genomici?
Non c'è nulla di specifico in XGBoost relativo ai set di dati genomici, ma può funzionare bene per loro e per altri problemi di dati di ampia portata. Luciano Silva (sviluppatore di JMP Genomics) e io abbiamo effettuato alcuni confronti con alcune delle migliori routine di selezione genomica attuali (ad esempio Genomic BLUP) e tende a funzionare altrettanto bene ma non significativamente migliore.
3. Qual è il vantaggio reale (vantaggio personale e aziendale)? L'obiettivo è aiutare le SE a comunicare i vantaggi a un'organizzazione e il motivo per cui vorrebbero investire in tempo (e/o dollari) per l'implementazione.
XGBoost è applicabile più direttamente ai problemi aziendali che possono essere considerati problemi di previsione, sebbene sia possibile utilizzarlo anche per analizzare i dati provenienti da esperimenti progettati. Si adatta bene a set di dati più grandi. Per i nuovi utenti è necessario un po' di apprendimento per comprendere i parametri di ottimizzazione e abbiamo aggiunto funzionalità che utilizzano DOE per aiutare a ottimizzare questi parametri. Usiamo anche DOE in un modo nuovo in una routine supplementare Crea colonne K-Fold per creare suddivisioni bilanciate in modo ottimale dei dati da utilizzare per la convalida incrociata. Consulta il documento con il componente aggiuntivo per un elenco completo dei valori aggiunti. JMP Pro integra la funzionalità XGBoost standard.
4. Qual è l'impatto e la portata di un problema aziendale?
Dipende molto dal problema! A volte piccoli miglioramenti nelle previsioni e nella comprensione di un sistema possono avere grandi impatti, altre volte non così tanto.
5. Al di fuori di Kaggle, qualcuno ha implementato XGBoost e qual è stato il risultato?
Da quanto mi risulta, numerose organizzazioni hanno implementato con successo i modelli XGBoost in produzione, ma non ho buone referenze per te. Ci sono molte discussioni su XGBoost online. La maggior parte delle persone esegue e distribuisce XGBoost da Python o R. Esiste un'opzione con triangolo rosso per salvare il codice Python, che in realtà è il codice completo per la convalida incrociata del modello da zero.
A tutti: siamo attualmente in modalità Early Adopter e abbiamo creato un nuovo gruppo della community JMP. Mia Stephens e Stephanie Mencia ci stanno aiutando gentilmente e abbiamo già ricevuto dei feedback fantastici. Per favore fammi sapere se desideri essere aggiunto al gruppo o vuoi semplicemente provare il componente aggiuntivo.
