Piattaforma Bootstrap Forest > colonna "validazione" vs porzione "validazione"2 domande (di base?) sulla piattaforma Bootstrap Forest:
- Quindi posso specificare una colonna di convalida, etichettando i record come "formazione", "convalida" o "test" (60%, 20%, 20%).
Ma c'è anche un'opzione "porzione di convalida" (predefinita come 0). Cos'è questa porzione? E viene scartata se viene specificata una colonna di convalida?
- Fornisco record di convalida, quindi presumo che la piattaforma eseguirà l'ottimizzazione degli iperparametri. Quale report della piattaforma elenca la cronologia delle ricerche degli iperparametri?
Modellazione predittiva e apprendimento automaticoRe: Bootstrap Forest Platform > colonna "validazione" vs porzione "validazione"Ciao @GrandeDormouse25 ,
Per quanto riguarda le tue domande:
- La porzione di convalida può essere utile se non hai specificato set di convalida (e test) utilizzando il ruolo di convalida. Se aggiungi una colonna di convalida con set di training, convalida (e test) utilizzando il ruolo di convalida, la porzione di convalida verrà ignorata:
- La convalida è usata principalmente in questa piattaforma per abilitare "Early Stopping", per valutare meglio l'impatto del numero di alberi e delle loro profondità. Il set di convalida sarà usato per impedire l'overfitting usando troppi/troppo profondi alberi individuali nella foresta.
Nota che puoi ottimizzare gli iperparametri di Bootstrap Forest (così come altri modelli ML in JMP) utilizzando una Tabella di progettazione della messa a punto . Scopri come impostare la tua tabella e utilizzarla per l'ottimizzazione degli iperparametri qui: Esempio aggiuntivo della piattaforma Bootstrap Forest
Se è stata utilizzata una tabella di progettazione dell'ottimizzazione, l'elenco delle combinazioni di iperparametri testate e i relativi risultati verranno visualizzati nel report di analisi:
Alcune conversazioni precedenti sulla tabella di progettazione dell'ottimizzazione per la messa a punto degli iperparametri:
Esiste un modo per effettuare la convalida incrociata k-fold con un albero potenziato?
Albero potenziato - Progettazione del tavolo di messa a punto
Malfunzionamento nella foresta Bootstrap con Tuning Design Table?
Vuoi eseguire la stessa tabella di progettazione dell'ottimizzazione per più variabili y
Si noti che Random Forest (chiamata Bootstrap Forest in JMP) è uno dei modelli di apprendimento supervisionato più robusti disponibili in Machine Learning. A differenza di altri possibili algoritmi, è uno dei pochi modelli meno sensibili alla messa a punto degli iperparametri, e si possono ottenere buone prestazioni per Random Forest con le impostazioni di base raccomandate/predefinite di JMP Pro.
Per maggiori informazioni sulla "sintonizzabilità" dei modelli di Machine Learning (impatto della sintonizzazione degli iperparametri sulle prestazioni), puoi consultare questo articolo: [1802.09596] Sintonizzabilità: importanza degli iperparametri degli algoritmi di apprendimento automatico (arxiv.org)
Spero che questa risposta ti aiuti,
Re: Bootstrap Forest Platform > colonna "validazione" vs porzione "validazione"Ciao Victor,
Per quanto riguarda l'uso di una tabella di ottimizzazione per la ricerca HyperParam,
Ho una mancata corrispondenza tra i parametri specificati
e i parametri riportati da Model Validation.
Quindi sembra che "Portion Bootstrap", "Minimum Splits per Tree" e "Minimum Size Split" non siano considerati nella convalida del modello. Puoi confermare che questi nomi di parametri sono corretti in questo contesto?
Re: Bootstrap Forest Platform > colonna "validazione" vs porzione "validazione"Ciao @GrandeDormouse25 ,
Si prega di controllare la seguente discussione menzionata nel mio post precedente, dove troverete alcune spiegazioni sulla corretta denominazione degli iperparametri, dove trovarli e alcune tabelle già preparate con la corretta denominazione per l'ottimizzazione degli iperparametri:
Malfunzionamento nella foresta Bootstrap con Tuning Design Table?
