全て
右。
こんにちは
みんな。
私の 名前 は スコット アレン。
私は a システム エンジニア で ジャンプ。
私は 行く に なれ 発表する a ニューラル ネットワーク チューニング 追加- で
それ 私は 発展した 本当に ヘルプ 開発する ニューラル ネットワーク モデル
で 一つの 自動化された 方法 に 建てる 多くの モデル、
探す 外 どれの パラメータ は ほとんど 効果的 で 建物 その 最高 モデル。
何 私は のように に する 少しだけ背景を説明します
の上 モチベーション のために 建物 これ 追加- で。
私は 行く に する 多分 a ウォークスルー、 説明、
何ですか 行く の上 で その 背景 いつ あなた 走る その 追加- で
そして それから 見せる a 使用 場合 のために それ。 A サンプル ワークフロー。
そして、本当に包むだけです 上 と いくつかの レッスン 学びました。
これ だった 私の 初め 大きい スクリプト プロジェクト、 それで 確かに 学んだ a 多く 平行 その 方法。
私は…したい に 共有 それ そして それから として 良い として 何ですか 次。
初め、 ただ I 欲しい に ここで3、4分かかります
ただ の上 その 背景 そして モチベーション。
たくさん の 他の 機械 JMPの学習プラットフォーム 持っている いくつかの まあ
パラメータ チューニング 関数、
かどうか その a チューニング テーブル それ あなた 作成する 外 その プラットフォーム、
のように で ブートストラップ 森 または ブースト 木々、 または 一つの 統合された チューニング デザイン
のように サポート ベクター 機械 そして その 新しい XGBoost プラットフォーム。
しかし そこには ない 1つ のために ニューラル ネットワーク。
それ 導かれた に いくつかの 顧客 私はそれについて質問しながら仕事をしています。
"は これ 何か それは 利用可能？
は そこには スクリプト 外 そこには それ 私たちは できる 使用？
は そこには 一つの 追加- で？"
そこには は a 少し もの 外 そこには、 しかし 多分 ない すべて で 1つ 場所。
それから の上 a 個人的 レベル、 私は 一度もない 実施された a 大きい スクリプト プロジェクト。
私は 終わり いくつかの 小さい 日本語 スクリプトを 自動化する ワークフロー、
または に クリーン 上 データ、 しかし I 持っていた 一度もない 建てられた 一つの 応用。
これは、私は 本当に 望んでいた a プロジェクト に 学ぶのを手伝ってください。
I 使用済み これ として 一つの 言い訳 に 学ぶ 日本語: JSL。
その ニューラル ネットワーク プラットフォーム JMPは本当に 強力で、
そして それで 病気 ただ 打ち上げ それ 本当に 素早い。
私は もちろん もし あなたは 見た それ...
I 意思 言及 I 午前 JMP PROを使用 バージョン 17.1 .
それは どこ 全て その テスト もっている 起こった のために これ 追加- で。
I 持っている ない 消えた 後ろ向き 多くの バージョン。
I だろう 提案する もし あなた は 行く に これを使う
あなた 必要 に 持っている ジャンプ プロ そして で 少しでも バージョン17.1。
その ジャンプ ニューラル ネットワークプラットフォーム は 本当に 強力
そして I ただ 欲しい に 取る a 少し 分まで 行く を通して 何 これ 見た目 のように。
I 考える みんな もっている...
もし あなたは 使用済み ニューラル ネットワーク、 あなたは 消えた を通して このワークフロー
そして その a 本当に ニース フレキシブル プラットフォーム のために 現像 これら モデル。
あなた できる 始める オフ と ベースラインモデル そして 多分 あなたは ない 満足
と その パフォーマンス の あなたの モデル で これ 場合。
あなた できる ただ 行く 戻る に その モデルの発売 そして あなた できる 調整する その パラメータ ここ。
あなた できる 行く そして 生成する 別の モデル。
その 簡単に 始める 変化 これら パラメータ
そして 発見 モデル それ かもしれない なれ その ほとんど 適切な のために あなたの システム。
しかし そこには は a 多く の オプション で ここ。
あなたは 得た 違う 番号 の ノード、 あなたは 得た 1つ または 二 レイヤー、
そこには ブースト オプション として 良い として a 多く の 違う フィッティング オプション。
あなた しない いつも 知る...
その ない いつも クリア どれの の これら 変更する必要があるパラメータ
で 注文 に 得る その 最高 モデル のために その データ テーブル それ あなたは 働く で
そして その 予測因子 それ あなたは 使用しています。
その ない いつも クリア もし 調整 a パラメータ
は 行く に 鉛 に a より良い モデル。
あなた ただ 調整する アップ nd 下、 多分 取る 大きい 手順
に 形 外 何ですか 行く の上。
それは 必要とする a 多く の マニュアル 調整 による その ユーザー
で 注文 に 生成する これら モデル。
彼らは は かわいい 速い、 それで その ない 時間- 消費する に 作成する これら
しかし それは はい 必要とする a 多く の クリックします。
私の ゴール ここ そして いくつかの の 私の インスピレーション だった 本当に に 提供する a シングル プラットフォーム
のために チューニング そして 評価する それらの ニューラル ネットワーク モデル。
I だった また インスパイヤされた そこには だった いくつかの チューニング スクリプト 外 そこには。
ニック シェルトン 持っていた a スクリプト それ だろう ヘルプ あなた そのテーブルを作る
そして 走る それ そして 評価する それらの モデル。
マーク ベイリー 持っていた 発展した 一つの 追加- で のために これ として 良い、
そして そこには だった オーム コミュニティ 投稿 それ だった 試して fへ 図 外 どうやって に これをやってください。
それらの だった 全て いくつかの 起動 ポイント のために これ 追加- で。
それから I 本当に のように その XGBoost 追加- で インタフェース。
その 本当に クリーン、 その 得た いくつかの グラフィカル 出力
そして その 本当に 簡単 に ナビゲート そして しましょう あなた 自動車 曲 それらの ネットワーク。
その 追加- で それ 私は 現像 ない 自動車 チューニング、
その 本当に もっと の a 野蛮な 力 方法。
ただ 建てる たくさん の モデル そして それから 持っている a グラフィカル インタフェース そこには
に 助けて または 探す その 最高 1つ のために あなたの システム。
さあ 行く の上 そして 動く オンt o ただ 何 その 追加- で する そして どうやって に 使用 それ。
に 打ち上げ その 追加- で、 ただ のように ほとんど 追加- イン、
あなた 行く に その 追加- で メニュー、 そして その と呼ばれる ニューラル ネットワーク チューニング。
それ かかる あなた に その 打ち上げ ダイアログ。
これ 与える あなた a 列の役割 インタフェース それはとても 似ている
に 多くの 他の プラットフォーム。
私たちは できる ただ 選択 すべてo f 私たちの 要因 ここ そして 私たちの 応答。
現在、 それ 許可する a シングル Y 応答、
そして それ できる なれ どちらか 連続 または カテゴリカル。
その 追加- で 現在 のみ もっている その 二 検証 方法、
それで あなた できる 特定 a 検証 カラム と 両方 検証 そしてテスト。
設定 もし あなた 持っている それ、 もし あなた しないで、 その ただ 行く に する a ランダム 抑制、
その デフォルト tの場合 彼 ニューラル ネットワーク。
それから あなた できる 特定 そして トグル または トグル その 有益な ない として 良い。
しかし 良い ただ 行く と これ のために 今。
私たちは クリック わかりました、 そして それ かかる あなた に その チューニング 打ち上げ。
これ チューニング ダイアログ、 初め、 与える あなた a 少し 少し の 情報
について 何ですか で その データ テーブル そして 何 あなた 指定された として カラム 役割。
右 今 私たちは 得た その データ ここのテーブル、 その モデル 検証 方法、
として 良い として かどうか または ない 私たちは 持っている 有益な ない の上 または オフ。
それから 私たちは 得た その DOE オプション。
何 これ 追加- で 意思 する、 は 見て で 全て その パラメータ 範囲 それ あなたは セット
そして 作成する a 速い、 フレキシブル、 空間- 充填 デザイン。
本当に その のみ デザイン 仕様 あなた 必要
は に セット その 番号 の 試験 で これ デザイン。
で これ 場合 私たちは 得た デフォルトで その 行く に なれ セット に 20,
そして がある いくつかの ルール の 親指。
多分 あなた 欲しい に 特定 で 少しでも 10 治療 で これ デザイン
のために 毎 要素 それ あなたは 見ている で、 しかし その 完全に 上 に その ユーザー、
そして それで 良い 来る 戻る そして 調整する それ もし 私たちは 必要 に。
あなた できる また 複製する これ デザイン と a 違う ランダム シード。
で いくつかの 症例 もし あなた 欲しい に 見る どうやって 屈強 あなた かもしれない なれ
に ある パラメータ、 あなた できる 走る その 同じ ニューラル ネットワーク モデル 20 回、
しかし 全て と 違う ランダム 種子 に 見る どうやって 屈強 その モデル は に それ。
それから あなた できる トグル かどうか または ない あなた 欲しい に 見る その DOE ダイアログ それ ショー 上。
一度 あなたは 消えた を通して DOE オプション ここ、
あなた できる 来る 下 に その ニューラル ネットワーク チューニング。
I 試した に 滞在する かわいい 真実 に その オリジナル プラットフォーム
で その ニューラル ネットワーク による 使用して 似ている 言語 そして オプション ここ。
これ は どこ あなた 行く、a nd その代わり の 指定する a シングル 価値
のために 1つ の これら パラメータ、 だった 行く に 特定 a 範囲。
また、 私は 制限する a 少し 少し その 利用可能 オプション
のために その タイプ の ニューラル ネットワーク それ あなたは 行く に 作成する。
で これ 場合 あなた できる 生成する a シングル 隠れた 層、
あなた できる 生成する 二 隠れた レイヤー、 または 1つ 隠れた 層 と ブースト。
現在、 その ニューラル ネットワーク プラットフォーム しない 許可する
a 2番 層 と ブースト。
もし あなた 試す に する それ で その ニューラル ネットワーク プラットフォーム、
それ 意思 与える あなた a 警告 言って それ その 行く に 無視する それ 2番 層。
で これ 追加- で、 I ただ 作る それ それで それ あなた ゼロ 外 全て それらの 2番 レイヤー
いつ あなた 活性化 ブースト。
で これ 場合 だった 行く これに 探検する これ データ テーブル a 少し
そしておそらく だった 行く に セット いくつかの 広い 範囲 の チューニング パラメータ。
私は 行く に 行く から 0-9 の上 それぞれ の それらの 活性化関数 番号 の ノード。
以上 の上 その フィッティング オプション、 あなた しない 持っている に 必然的に
何を知っているか かもしれない なれ 最高 のために あなたの システム、 あなた できる ただ 選択 彼ら
に なれ 一部 f その DOE、 または で その 場合
これらの 変身 共変量 そして 屈強 フィット オプション。
あなた できる トグル 彼ら に いつも なれ オフ、 いつも なれ の上、 または DOE に含めます。
良い 含む 両方 の それらの で その DOE のために これ 例。
ペナルティ 方法。
あなた できる テスト どれでも または 全て その 違う 方法。
もし あなた しない 特定 どれでも ペナルティ 方法、 それ 意思 走る
その デフォルト ペナルティ 方法 二乗。
しかし だった 行く に チェック 全て の それらの。
あなた できる また 特定 その 番号 の ツアー あたり モデル。
で 振り返ってみると、 I おそらく しなかった 必要 に 追加 これ
しかし、 あなた できた する 何か 似ている による ただ 複製する 全て の その デザイン
そして 見る その 結果 から それぞれ の それらの モデル。
しかし その ここ で 場合 あなた 欲しい に 調整する その 番号 の ツアー。
あなた できる また 特定 a ランダム シード。
で これ 場合、 私は 3、4、5、6 になりました。 6つの異なる 要因 で これ デザイン、
など 私は ただ 行く に 多分 ターンT 彼の 上 に 60.
私は 行く に 作成する 60 モデル。
前に I クリック 走る、 私は oing に 話す a 少し 少し について
何ですか 行く の上 いつ あなた クリック 走る。
その 初め もの それ 起こる yのとき または クリック 走る、
は その 行く に 作成する a 要素 テーブル と のみ その 選択された パラメータ。
それを選択します。
で これ 場合 それは 作成する a 要素 テーブル と シングル- 層 ノード、
全て の その 違う フィッティング オプション。
その ない 行く に 置く その 2番目のl 昨日 または どれでも の その ブースト パラメータ
の中へ その 要素 テーブル。
私は 行く に 作成する a 応答表 どこ その トレーニング、 検証、
そして テスト R- 二乗 値が指定されている
a nd それから その 行く に 組み合わせる それらの の中へ a シングル テーブル。
これ は 何 その サンプルDOE テーブル 意思 見て のように。
その ただ 行く に 持っている その 回答 として その R- 二乗 価値観
そして それから 全て その 違う パラメータ。
それから これら ただ 得る 合格した の中へ その ニューラル ネットワーク プラットフォーム 行- による- 行、
そして その 結果 見せる 上 で その データ テーブル。
ただ のように だった と言って、 それぞれ の それらの 走る で その デザイン は 行く に 行く の中へ その
ニューラル ネットワーク モデル プラットフォーム 順次 そして それから 私たちは 持っている a 少し ダイアログ 箱
それは 行く に 示す その 全体 プロセス。
で その 場合 の 本当に 長さ- ランニング ニューラル ネットワーク、
その 良い に ただ 見る どうやって 素早く その 全体 デザイン は 行く に 行く。
I だろう 推薦する 前に 指定する a 大きい 番号 の 試験 で これ デザイン
それ あなた 走る 1つ または 二 先に の 時間 ただ に 見る
どうやって 長さ 彼らは 行く に 取る。
もし あなた 持っている かなり 小さい データ セット、 それから 彼らは 行く かわいい 素早く、 しかし もし あなた 持っている
a 複雑な データ セット、 彼らは できる 取る 時々 とても a その間 に 走る。
で これ 場合 私は ただ 使用して a サンプル データ セット から その サンプル データ セット 図書館。
これ 錠剤 生産。
その ない その 最高 データ セット に 走る のために ニューラル ネットワーク ただ なぜなら
そこには ない a 全体 多く の 観察、 しかし 私は 使用して それ ただb なぜなら
その ニューラル ネットワーク 走る 本当に 素早い。
で これ 場合、 もし だった 満足 と 全て の その 仕様
それ 私たちは 持っている で 私たちの モデル、 私たちは できる ただ 行く 先に そして クリック 走る。
何 これ もっている 終わり は その 作成された それ デザイン テーブル
そして 今 その 通過 を通して それぞれ の それらの 試験
tに 彼 ニューラル ネットワーク プラットフォーム そして 与える 一つの 出力。
もし 私たちは 見て で その 家 ウィンドウ、 全て これ もっている 終わり は その 撮影
それ チューニング 結果 テーブル そして 私は 隠れた それ
そして I ただ 私を持って来る t 外 の中へ その 同じ ウィンドウ ここ。
さあ ただ 行く の上 に その 次 1つ。
私たちは できる 仕事 を通して それ データ テーブル ここ、 それで その 相互の作用。
何 あなた 初め 見る 上 ここ は グラフ ビルダー 報告。
T 彼の ショー あなた 全て の あなたの 違う パラメータ、
それで その 違う アクティベーション 機能 として 良い として その 番号 の ノード
は その 規模、 そして どうやって その 検証 R- 二乗 変更
と 尊敬 に それぞれ の それらの 個人 パラメータ。
で その 場合 の カテゴリカル パラメータ、 あなたは そして a 箱 プロット 表示中 その 違い
で その 価値観 これ 方法。
私たちは できる 見る で これ 場合 多分 のために 屈強 フィット、
その 得た a より広い 範囲、 しかし の上 平均 それはgです oing に なれ より良い。
その 中央値 価値 は より良い。
は より高い R- 二乗。
私たちは できる また 見て 下 ここ で その データテーブル、
その 行く に 選別 その データ テーブル による その 検証 R- 二乗
そして それ ただ 色合い それらの a もっと深く 紫 依存する の上 その 価値。
さあ 見る。
...が使えます。
1つ 理由 I ただ 保たれた これ データ テーブル として それ は、
は 私たちは できる 探検する それ ただ のように 私たちは 探検する どれでも データ テーブル で JMP、
それで あなた できる 見て で カラム ヘッダー または あなた できる 打ち上げ グラフ ビルダー
または する 様々な 分析 の上 これ データ テーブル として それ は 右 ここ。
そこには エリア 少し 追加 データ 列 または 列 それ は 追加した
に これ データ テーブル。
1つ、 それ 記録 その ランダム シード。
もし あなた 欲しい に 再現する これ、 あなた 知る 何 ランダム シード 使用された
で 生成する その n 神経 ネットワーク モデル、 ショー あなた その 有益な ない、
ショー あなた その 経過 時間 のために それぞれ の その モデル。
もし あなた は 建物 大きい モデル または あなた かもしれない 欲しい に 最小化 r 時間がない、
それから あなた できる 得る 一つの 推定する f どうやって 長さ それ かもしれない 取る のために あなた に 走る
追加 モデル。
エネルギー省 ただ 記録 何 DOE だった 走る。
これ だった その 初め、 それで それ 取得する a 1.
として あなたは 見る 私たちは できる 走る a 2番 そして 三番目、 そして あなた できる それから 使用 それらの
として いくつかの グラフ作成ツール。
また 伝える あなた その タイプ の ニューラル ネットワーク それ だった 走る。
かどうか それ だった シングル- 階層化された、 ダブル- 層、
または a シングル- 層 と ブースト。
そこには a カップル の 他の
列 それ は 追加した。
これ 要素 カラム ただ しましょう あなた 追跡する の その 要因
それ だった 使用済み で その デザイン で 場合 あなた 欲しい に 比較する モデル
それ 持っている 違う 要因 それ だった 使用済み その代わり の ただ パラメータ、
その後 また a 行 カラム。
その 次 手順 それで 私たちは できる 続く 建物 外。
多分 で これ 場合 だった 探検する その パラメータ。
今 私たちは 得た a ベースライン の a シングル ニューラル ネットワーク
そして 多分 私たちは 欲しい に 見る どうやって これ 比較する に a 二- 層 ニューラル ネットワーク。
私たちは できる 行く 戻る に その チューニング 打ち上げ どれの だった ただ 最小化されます。
あなた できる 見る それ 全て の これ 報告、 その グラフ ビルダー 報告
として 良い として その テーブル は ただ 追加された に その チューニング 打ち上げ。
私たちは できる 行く 戻る 上 〜へ 彼の チューニング 打ち上げ そして 多分 I 欲しい に 見て で
二 隠れた レイヤー。
良い 行く に 二、 そして 今 病気 置く で a 範囲 の
それらの 結果 または それらの パラメータ そして 保つ すべて それ以外 その 同じ。
あなた できる 見る その 行く に プリロード その ランダム シード それ I 生成された
で その 初め DOE ただ に 作る もちろん すべては 使用して その 同じ ランダム シード。
良い 保つ それ で 60, 平 けれど 私たちは かもしれない 欲しい に 増加 それ
による a 少し 少し 以来 私たちは 追加 いくつかの もっと 要因、
しかし 保つ それ 単純、 良い ただ行く と 60.
もう一つ もの ただ に 言及 は、 で その 場合 その おそらく かわいい
低い 尤度t もっている 全て の これら だろう なれ セット に ゼロ で a デザイン、
しかし もし 彼らは は それは ただ 行く に その デフォルト と JMP、
どれの は a シングル 10時間 層。
あなた しない 持っている に 心配 について 持つ a ニューラル ネットワーク と ゼロ レイヤー
または ゼロ ノード。
もし だった 満足 と これ、 だった ただ 行く に クリック 走る。
その間 これ は ランニング、 私は ただ 行く に 持ってくる 上 その 家 ウィンドウ。
あなた できる 見る 何 その やっている。
私たちは 得た 私たちの オリジナル チューニング 結果 テーブル ここ、
そして その 建てられた a 2番目のt 彼/彼女 結果 テーブル、
そしていつ その 完了しました。 t ただ 追加 それ に 私たちの オリジナル テーブル。
今 I できる 見る で オレンジ、 は 全て の それらの 2番- 層 モデル。
私たちは できる 見る で これ 場合、 多分 持つ 二 レイヤー
だった ない とても 有益 で これ 場合。
見た目 のように で かわいい 多くの 全て ケース、 それらの ニューラル ネットワーク は ない として 良い。
それから 多分 ただ に ラウンド これを外すと、 だった 行く に 行く
そして神経を構築する ネットワーク と ブースト。
ブースティング は a 本当に ニース 方法 に 増加 その 予測 力 の 私たちの モデル。
だった 行く に 特定 いくつかの ブースト レベル から 1-10、 として 良い として
その 学ぶ レート から 0.1 に 1.
一度 また 私たちの ランダム シード は 同じ、 そして これら は 行く に 取る
a 少し 少し より長く、 それで 私は ただ 行く に 減らす 番号 の 走る
ただ で その 興味 の 時間。
私たちは できる クリック 走る ここ、 私たちは 得る 私たちの ダイアログ 箱 それ 伝える 私たち
私たちの 全体 進捗、 そして 私たちは できる 見る これら で その 症例
どこ 私たちは おそらく 得た たくさん の ブースト、 彼らは かもしれない なれ 服用 a 少し 少し の 時間。
で これ 場合 ブースト ニューラル ネットワーク、 または ニューラル ネットワーク それ 持っていた ブースト
は 今 これ 紫、 そして 私たちは できる 見る で かわいい 多くの 全て その 症例
紫 は より高い、 特に いつ それ 見た目 のように
私たちは できる 見る による これら 箱 プロット として 良い。
それから 私たちは できる また 見る tで 彼の 場合 以上 ここ 私たちの ブースト。
多分 私たちは まだ 見つかった その 最大 番号 の ブースト、
それ 見た目 のように それ 続く 行く 上、
それで 私たちは かもしれない 欲しい に 追加 いくつかの 追加 ブースト レイヤー または 多分
私たちの 学ぶ レート は 最高 で これ 真ん中 に 高い 価値
その代わり の で その 最低 学ぶ レート 価値観。
その 次 もの 私たちは かもしれない の上 に する 一度 私たちは 持っている これ イニシャル ビュー
の 私たちの システム、 は に 走る a 少し の これら ニューラル ネットワーク そして 比較する 彼ら。
私たちは できる する それ a 少し 方法。
私たちは できる 見て で 私たちの テーブル ここに nd 走る または そして 選択 いくつかの ニューラル ネットワーク
ベース の上 その グラフ、 そして あなた できる 見る 彼らは ハイライト 下 下に
で 私たちの データ テーブル として 良い。
多分 何 私たちは 欲しい に する は 走る その トップ 4つ または 五。
I 欲しい に 走る その トップ 五。
私はしません 持っている に 行く 戻る の中へ その ニューラル ネットワーク プラットフォーム に する これ、
I できる ただ 走る それ による クリック これ ボタン、 走る 選択された モデル。
今 その 行く に 走る それらの 戻る の中へ その ニューラル ネットワーク プラットフォーム
そして 与える 私たち a 少し 出力 それ ショー 私たち その 行 で 私たちの データ テーブル それ だった 走る。
これ は ただ その 標準 ニューラル ネットワーク 出力 今。
私たちは 合格 を通して その 同じ ランダム シード、 それで もし 私たちは 取る a 見て R二乗値では、
だった 行く に 得る その 同じ ニューラル ネットワーク それ だった 発展した
なぜなら だった 使用して それ、 通過 を通して それ 同じ シード。
それから 私たちは できる 来る を通して そして 私たちは できる 取る a 見て さらに...
どちらか その もっと まとめ 統計 価値観 または その 実際の 対 予測された、
または 得る その プロファイラー。
何でも 私たちは かもしれない 欲しい に する 比較する これら ニューラル ネットワーク。
1つ 他の もの 私たちは かもしれない 欲しい に する で これ ステージ
は 作成する いくつかの 追加 視覚化。
私たちは できる 行く を通して そして 私たちは できる 見せる これ チューニング テーブル。
もし 私たちは しない 欲しい に 仕事 オンi t ここ、 私たちは できる ただ 非表示解除 それ、
そして 今 私たちは 得た a データ テーブル それ 私たちは できる 使用、
そして 私たちは できる 行く の中へ グラフ ビルダー そして 多分 私たちは 欲しい に
取る a 見て で 検証 対 トレーニング R- 二乗
ただ に 見る どうやって それは 見て、 または 私たちは できる 行く を通して。
なぜなら 私たちは 得た その 番号 の DOE、 我々はできる 追跡 どうやって 私たちの ニューラル ネットワーク
持っている 改善された と 私たちの チューニング。
I できる 行く の中へ グラフ ビルダー そして I できる 使用 それ nDOE、
そして 多分 私たちは 欲しい に 見て で トレーニングと検証のR2乗、
私たちは できる 振り向く の上 箱 プロット そして 私たちは できる 見る どうやって 私たちの チューニング もっている 進歩した 以上 時間
と それぞれ その後 デザイン それ 私たちは 走った。
他の オプション は もし あなた 欲しい に する いくつかの もっと 分析的な タイプ 分析 ここ、
私たちは できる 行く の中へ スクリーニング そして 私たちは できる 走る 予測子 スクリーニング。
私たちは できる 取る 全て の それらの パラメータ、 負荷 彼ら で として 予測因子、
そして 見る 私たちの トレーニング そして 検証 R- 二乗。
クリック わかりました、 そして 今 私たちは できる 見る どれの 要因 かもしれない なれ ほとんど 影響力のある
の中で トレーニング または 検証。
ない 驚いたことに、 それらの 学ぶ 料金 そして ブースト 再 良い で これ 検証。
そこには いいえ 終わり に 何 分析 あなた かもしれない 欲しい に する、
の上 ここ その ただ 何 あなたの ゴール の その ニューラル ネットワーク だった
そして どこ あなた 欲しい に 行く と それ。
しかし あなた できる する それ 全て tで 彼の データ テーブル どれの 今 もっている 160 ニューラル ネットワーク モデル。
多分 これら ニューラル ネットワーク モデル 取る a 少し 少し の 時間、
だからもう一つ もの あなた できる する は 私たちは できる ただ 保存 これ。
I 欲しい に 行く ファイル、 そして私 できる 保存 これ。
私は ただg oing に 保存 それ に 私の デスクトップ Tとして 彼/彼女 結果。
I できる 来る 戻る に これ 後で。
今 それ 私は 得た それ 保存された、 私は 行く に 近い これ。
1つ もの それ あなたは 得る a 警告、 いつ あなた 近い それ。
あなた すべき ただ 隠れる これ データ テーブル。
もし あなた 近い それ、 その 行く に 取る それ 外 の その ニューラル ネットワーク プラットフォーム
そして あなた しません なれ できる に 続く あなたの 仕事、
しかし あなた できる 隠れる それ。
いつ あなた 得る 戻る に その 追加- で、 いつ あなた 近い これ ウィンドウ、
その ただ 行く に 思い出させる あなた .
あなたはできる 近い それ それなし 節約 または あなた できる キャンセル に 行く 戻る そして 保存 それ。
だった ただ 行く に クリック わかりました。
いつ I 保存 これ チューニング テーブル のために 後で、 それで 何 I できる する は、
は 今 I できる 再起動 それ 追加- で そして I できる 行く の中へ その チューニング 追加- で、
クリック わかりました。
しかし その代わり の リセット どれでも パラメータ そして クリック 走る、 I できる 行く に 負荷。
何 I できる する は I できる 負荷 a 以前 保存された チューニング テーブル、
そして 何 これ する は させて 自分 で その 場合 の ニューラル ネットワーク
それ 取る a 長さ 時間、 あなた しない 持っている に 始める 以上 から 傷。
あなた できる ただ 保つ 建物 の上 その テーブル それ あなた 望んでいた、 または 多分 あなた する
いくつかの 追加 分析 オフライン そして 欲しい に 来る 戻る で
そして 建てる いくつかの もっと モデル、 それで あなた できる 行く を通して そして いつ あなた 特定
全て その 違う パラメータ そして 番号 の チューニング 走る あなた 欲しい に 持っている、
その ただ 行く に 続く 追加 それ に これ テーブル。
と それ さあ 最小化 これ。
それは 素早い 走る を通して の ll その 違う オプション
で これ チューニング テーブル。
その 本当に a 野蛮な 力 方法。
あなた できる 見る そこには いいえ 自動車 曲。 右 今 その ただ ランニング
全て それらの 違う パラメータ 組み合わせ 与える あなた 一つの アイデア
どこの あなたの 最適 モデル かもしれない なれ .
どうやって あなた かもしれない 仕事 これ の中へ あなたの ワークフロー それで あなた できる 探検する それらの パラメータ、
これ は 本質的に 何 私たちは した 今日。
私たちは 見た で シングル- 層 モデル、 私たちは 見た で モデル と 二 レイヤー。
シングル- 層 と ブースト。
別の もの あなた かもしれない する は 行く 戻る そして 言う、
"で 彼、 どこ は 私の 最適 モデルですか？
彼らは ここ。
I できる 行く 戻る に その チューニング 打ち上げ そして 多分 I 欲しい に 再作成する それらの モデル
そして 行く もっと に向かって これ 範囲。
それ 見た目 のように 参加します その 真ん中 範囲 ここ、 は 最適、
それで その代わり の 行く から 0-9、 多分 I 行く から 5-7 .
リニア モデル また かもしれない なれ 最高 で その 真ん中、
そして 多分 その ガウス分布、 がある いくつかの 良い もの の上 その 左、
それで 良い 行く から 1-8 または 何か のように それ、 セブン または 八。
それから 私たちは できる 見て で どれの... で これ 場合、 そこには なかった 一つの アドバンテージ
に 持つ それ の上 または オフ、 それで 私たちは できた ただ 持っている それらの オフ、
または オフ または の上。
しかし それ 見た目 のように 多分 で これ 場合 その 重さ 減衰 だった その 最高 方法、
それで 私たちは できた ただ 含む それ 1つ そして それから 行く を通して
そして 建てる いくつかの もっと モデル と a 狭い 範囲 の それらの パラメータ。
私たちは できる また チェック パラメータ 感度 に a ランダム シード。
で これ 場合 私たちは できる 合格 を通して どちらか 絶え間ない 価値観
o r a 狭い 範囲。
あなた できる 合格 を通して a 絶え間ない セット の パラメータ
ただ による 設定 それぞれ パラメータ 等しい に それぞれ 他の、
そして それは 合格 それ を通して その ニューラル ネットワーク として 五 毎 時間、
または あなた できる ただ 特定 その 分 価値、 そして それ 意思 合格 それ を通して
として a 絶え間ない 価値。
もし 私たちは 望んでいた に 私たちは できた 見て で
たぶんこれ だった a ニューラル ネットワーク それ だった 1つ それ 私たちは 特定された として 最適、
しかし I 欲しい に 見る どうやって 屈強 それ は に その ランダム シード。
何 私たちは できる する は 私たちは できる ただ 言う ただ 走る それ 一度、
しかし さあ 複製する それ と 20 ランダム 種子。
それ かもしれない 実は 取る a 少し 少し の 時間、
それで さあ 行く 下 に 10.
それから 私たちは できる...
実は、 I しない 欲しい に する それ の上 これ 1つ、
なぜなら 私は 得た 全て それらの その他、 しかし 良い ただ 走る これ。
あなた かもしれない 欲しい に する これ の上 a クリーン データ テーブル
どこ あなたは ない 追加する それ に その デザイン、 しかし 私たちは できる bを使用する なぜなら 私たちは 持っている
その 番号 の DOEs 私たちは できた 探す どこ それ ランダム シード だった。
私たちは できる 見る ここ、 全て その 違う ランダム 種子
そして I できる 行く の中へ グラフ ビルダー そして I できた ただ 置く で
その トレーニング そして 検証 R- 平方、 そして それから I できる 使用 地元 データ フィルター 今
の上 私の ランダム シード に 見せる すべて を除外する その 1つ どこ 私たちは 持っていた 全て それらの。
今 I できる 見る どうやって 屈強 私の モデル は に それ ランダム シード。
それは その 同じ デザイン 今 走る 10 回、
そして それで の上 平均 私たちは できる 見る 何 その 中央値 価値 は
または その 範囲 の 期待される 結果。
それから 最後に、w e できる 負荷 それらの 保存された データ テーブル。
それらの は 本当に 有益 のために ニューラル ネットワークは
本当に 長さ コンピューティング 回、 それで あなた できる 保存 それ オフ
そして 来る 戻る に それ 後で。
それらの は いくつかの ワークフロー それ かもしれない e 役立つ に あなた として あなた 建てる
あなたの ニューラル ネットワーク モデル。
I ただ 欲しい に 包む 上 と a 少し レッスン 学びました。
これ だった その 初め スクリプト プロジェクト それ I 行った を通して
それ 発展した 一つの 応用、
そして それで I 考える これ は かわいい 明らか に 誰でも それは 発展した 日本語
または 建てられた どれでも アプリケーション、 その ジャンプ コミュニティ は 本当に
一つの 貴重な リソース。
I だろう 言う 95% の 全て 私の 質問、 I だろう ただ 行く に その コミュニティ
そして 誰か それ以外 持っていた a 似ている 問題。
本当に 推薦する もし あなた は 興味がある で 建物 追加- イン、
建物 アプリケーション、 その コミュニティ は 本当に その 初め 場所 に 行く。
本当に、 あなたの 想像 そして あなたの ターゲット は その 制限する 要素
で 現像 これら アプリケーション。
A 似ている と つまり なぜなら がある それで 多くの 可能性、
そこには だった a 必要 に 保つ これ 集中した。
で これ 場合、 I ただ 持っている... I 考える で 1つ 反復
I 持っていた 多くの 違う 出力、 違う グラフ、
しかし 彼らは なかった 本当に その 心臓 の その 応用。
なぜなら そこには それで 多くの 可能性、 私は本当に 試した に 保つ これ 集中した
の上 ただ 与える いくつかの グラフィカル 出力 に ナビゲート その 違う モデル
そして 走る 彼ら そして 識別する どれの かもしれない なれ ほとんど 適切な。
何ですか 次？
I 本当に 欲しい フィードバック。
その わがまま、 しかし その 何 I 本当に 欲しい。
I だろう 愛 に 聞く どうやって 人々 できる 使用 これ、 どうやって その 恩恵を受ける 彼ら。
あなた できる 探す これ で その コミュニティ、 で その 追加- で セクション の その コミュニティ。
お願いします 感じる 無料 に 作る a 役職 ここ、 教えて 自分 どうやって あなたは 使用して それ。
I する 持っている a 少し 知られている 問題、 そして として I 集める もっと、
私は もちろん その ない 100% バグ- 証拠、 しかし これ 意思 なれ その 場所 に 行く
に 得る その 現在 バージョン の その アドイン として 良い として 理解する どれでも 知られている 問題。
しかし 私は 愛 に 聞く どうやって あなたは 使用して それ、
そして その コミュニティ は a 素晴らしい 場所 に する それ。
I だろう また のように に 聞く アイデア の上 追加 レポート。
I 保たれた これ かわいい 単純、 しかし もし あなた 探す それ そこには a 報告
それ あなたは 生成する 毎 時間 あなた 走る これ、
私は のように に 知る 何 それ は nd 多分 私たちは できる 建てる それ の中へ その 追加- で。
私は また 行く に 続く デバッグ。
そこには は a 少し 知られている 問題 それ 私は 働く を通して 右 今、
そして それから 多分 a 大きい ゴール は に 試す に する それ 自動車 曲。
その代わり の やっている これ 野蛮な 力 方法、 多分 始める 外 と
小さな 番号o f パラメータ、 形 外 どれの もの
エリア 影響を与える その 応答 その ほとんど、 そして それから 持つ a 監督された チューニング。
と それ、 私は のように に ありがとう のために リスニング に これ プレゼンテーション。
これ は a 本当に 楽しい プロジェクト そして I 希望 あなた 探す それ 役に立つ、
そして だろう 愛 に 聞く について それ。
ありがとう。
