Was hat diese Wunschlistenanfrage inspiriert?
Ich bin auf die Situation gestoßen, als ich versuchte, eine Klassifizierung mit mehreren Algorithmen für maschinelles Lernen anhand von Mixture Space-Filling DoE-Daten zu realisieren (Präsentation hier: https://community.jmp.com/t5/Online-Abstracts/Synergy-Between-Design-of-Experiments -and-Machine-Learning-for/ec-p/708147#M2 ).
Um die Ergebnisse visuell und klar darzustellen, wollte ich ternäre Diagramme mit kontinuierlichen Antworten grafisch darstellen, die die Änderung der Klassen ausdrücken, und habe mich daher für die bevorzugte Klassenwahrscheinlichkeit entschieden. Um das Diagramm tatsächlich zu erstellen, musste ich jedoch einen Workaround durchführen, da für das Ternärdiagramm eine Formelspalte erforderlich ist. Deshalb habe ich es in zwei Schritten gemacht:
- Erstellen Sie ein Klassifizierungsmodell (SVM) und klicken Sie auf „Vorhersageformel speichern“. Bei der Klassenvorhersage handelt es sich um eine Formelspalte, jedoch nicht um die berechneten Wahrscheinlichkeitsspalten für jede Klasse.
- Erstellen Sie ein Modell mit denselben Eingabevariablen/Xs, aber die Antwort ist die Spalte mit den bevorzugten Klassenwahrscheinlichkeiten. Anschließend kann ich die Wahrscheinlichkeitsformel speichern und im Ternärdiagramm verwenden.
Welche Verbesserung würden Sie sich wünschen? Da in der Modellplattform die Berechnung der Klassenwahrscheinlichkeiten bereits erfolgt, um die verschiedenen Klassen vorherzusagen, möchte ich, dass die berechneten Klassenwahrscheinlichkeiten als Formelspalten in der Datentabelle gespeichert werden. Dies wäre eine einfachere Option, erfordert weniger Problemumgehungen und würde Fehlspezifikationen des Modells im zweiten Schritt vermeiden.
Warum ist diese Idee wichtig? Ternäre Diagramme oder Oberflächendiagramme sind wesentliche Werkzeuge, um das Verhalten von RSM-/Mischungsmodellen besser zu visualisieren und zu verstehen. Bei kategorialen Antworten/Klassen ist es schwierig, die Variation im experimentellen Raum korrekt und kontinuierlich darzustellen, und ich denke, dass die Verwendung der berechneten Wahrscheinlichkeitsformel der Lieblingsklasse dazu beitragen könnte, den Einfluss und die Bedeutung von Faktoren auf die kategoriale Antwort(en) besser zu verstehen.
