Bootstrap Forest Platform > "validation" 열 대 "validation" 부분Bootstrap forest 플랫폼에 대한 2가지 (기본?) 질문:
- 이렇게 하면 "훈련", "검증" 또는 "테스트"로 레코드를 태그 지정하여 검증 열을 지정할 수 있습니다(60%, 20%, 20%).
하지만 "검증 부분" 옵션도 있습니다(기본값은 0). 이 부분은 무엇입니까? 그리고 검증 열이 지정되면 삭제됩니까?
- 검증 기록을 제공하므로 플랫폼이 하이퍼파라미터 최적화를 실행할 것으로 가정합니다. 어떤 플랫폼 보고서가 하이퍼파라미터 검색 기록을 나열합니까?
예측 모델링 및 머신 러닝Re: Bootstrap Forest Platform > "validation" 열 대 "validation" 부분안녕하세요 @LargeDormouse25 ,
귀하의 질문에 대하여 :
- 검증 부분은 검증 역할을 사용하여 검증(및 테스트) 세트를 지정하지 않은 경우 도움이 될 수 있습니다. 검증 역할을 사용하여 학습, 검증(및 테스트) 세트가 있는 검증 열을 추가하는 경우 검증 부분은 무시됩니다.
- 검증은 주로 이 플랫폼에서 "조기 중단"을 가능하게 하여 나무 수와 깊이의 영향을 더 잘 평가하는 데 사용됩니다. 검증 세트는 숲에서 너무 많은/너무 깊은 개별 나무를 사용하여 과적합을 방지하는 데 사용됩니다.
Tuning Design Table을 사용하여 Bootstrap Forest 하이퍼파라미터(및 JMP의 다른 ML 모델)를 미세 조정할 수 있습니다. 여기에서 테이블을 설정하고 하이퍼파라미터 튜닝에 사용하는 방법을 확인하세요: Bootstrap Forest 플랫폼의 추가 예
튜닝 설계 표를 사용한 경우 테스트된 하이퍼파라미터 조합 목록과 해당 결과가 분석 보고서에 표시됩니다.
하이퍼파라미터 미세 조정을 위한 튜닝 설계 테이블에 대한 이전 대화:
부스트 트리를 사용하여 k-폴드 교차 검증을 수행할 수 있는 방법이 있나요?
부스트 트리 - 튜닝 테이블 디자인
튜닝 디자인 테이블에서 Bootstrap Forest에 오작동이 발생합니까?
여러 y 변수에 대해 동일한 튜닝 설계 테이블을 실행하려고 합니다.
랜덤 포레스트(JMP에서는 부트스트랩 포레스트라고 함)는 머신 러닝에서 사용 가능한 가장 강력한 지도 학습 모델 중 하나입니다. 다른 가능한 알고리즘과 달리 하이퍼파라미터 튜닝에 덜 민감한 몇 안 되는 모델 중 하나이며, 기본 JMP Pro 권장 사항/기본 설정으로 랜덤 포레스트에 대한 좋은 성능을 얻을 수 있습니다.
머신 러닝 모델의 "튜닝 가능성"(성능에 대한 하이퍼 매개변수 튜닝의 영향)에 대한 자세한 내용은 이 논문을 확인할 수 있습니다: [1802.09596] 튜닝 가능성: 머신 러닝 알고리즘의 하이퍼 매개변수의 중요성(arxiv.org)
이 답변이 도움이 되길 바랍니다.
Re: Bootstrap Forest Platform > "validation" 열 대 "validation" 부분안녕하세요 빅터,
HyperParam 검색을 위한 튜닝 테이블 사용과 관련하여,
지정된 매개변수 사이에 불일치가 있습니다.
그리고 모델 검증에서 보고된 매개변수입니다.
따라서 "부분 부트스트랩", "트리당 최소 분할" 및 "최소 크기 분할"은 모델 검증에서 고려되지 않는 것 같습니다. 이 컨텍스트에서 이러한 매개변수 이름이 올바른지 확인할 수 있습니까?
Re: Bootstrap Forest Platform > "validation" 열 대 "validation" 부분안녕하세요 @LargeDormouse25 ,
이전 게시물에서 언급한 다음 토론을 확인하세요. 하이퍼파라미터의 올바른 명명법, 하이퍼파라미터를 찾을 수 있는 위치, 하이퍼파라미터 튜닝을 위한 올바른 명명법이 이미 작성된 표에 대한 설명을 찾을 수 있습니다.
튜닝 디자인 테이블에서 Bootstrap Forest에 오작동이 발생합니까?
