Gracias a Russ Wolfinger y a los superusuarios de JMP como @SDF1 , ahora hay complementos que permiten ajustar fácilmente los hiperparámetros para XGBoost, redes neuronales, bosques de arranque y otros, pero me gustaría mucho ver que estos se integraran en JMP. Una cosa que me gustaría hacer es probar miles de redes neuronales con múltiples Y, lo que aún no se puede hacer con el complemento (y no es posible en absoluto para XGBoost, hasta donde sé).
A veces, necesitamos predecir más de una cosa. Por ejemplo, tal vez quieras optimizar un proceso y minimizar los costos. Con varias plataformas de modelado de JMP, puedes crear un modelo de dos Y y luego usar el análisis de deseabilidad bajo el generador de perfiles para hacer esto, pero no puedes construir miles de modelos de dos Y usando redes neuronales, bosques de bootstrap o incluso mínimos cuadrados estándar. Creo que esto realmente aumentaría la capacidad de JMP Pro para hacer un modelado predictivo de alto nivel.
Hola @abmayfield , gracias por enviar esta solicitud, que ha quedado registrada en nuestro sistema. Tienes razón en que Russ y su equipo han hecho un gran trabajo con esto en XGBoost y Torch.
Si no lo ha visto, este complemento podría ayudar: https://community.jmp.com/t5/JMP-Add-Ins/Neural-Network-Tuning/ta-p/662666
