Grâce à Russ Wolfinger et aux super-utilisateurs de JMP comme @SDF1 , il existe désormais des modules complémentaires qui permettent de régler facilement les hyperparamètres pour XGBoost, les réseaux neuronaux, les forêts bootstrap et autres, mais j'aimerais vraiment les voir intégrés à JMP. Une chose que j'aimerais faire est de tester des milliers de réseaux neuronaux avec plusieurs Y, ce qui n'est pas encore possible avec le module complémentaire (et n'est pas du tout possible pour XGBoost, pour autant que je sache).
Parfois, nous devons prédire plus d'une chose. Par exemple, vous souhaitez peut-être optimiser un processus tout en minimisant les coûts. Avec plusieurs plates-formes de modélisation JMP, vous pouvez créer un modèle à deux Y, puis utiliser l'analyse de désirabilité sous le profileur pour le faire, mais vous ne pouvez pas créer des milliers de modèles à double Y en utilisant des réseaux neuronaux, des forêts bootstrap ou même des moindres carrés standard. Je pense que cela augmenterait vraiment la capacité de JMP Pro à effectuer une modélisation prédictive de haut niveau.
Bonjour @abmayfield , merci d'avoir soumis cette demande, elle a été enregistrée dans notre système. Vous avez raison, Russ et son équipe ont fait un très bon travail avec cela dans XGBoost et Torch !
Si vous ne l'avez pas vu, ce module complémentaire pourrait vous aider : https://community.jmp.com/t5/JMP-Add-Ins/Neural-Network-Tuning/ta-p/662666
