Plataforma forestal Bootstrap > columna "validación" vs parte "validación"2 preguntas (¿básicas?) sobre la plataforma forestal Bootstrap:
- Entonces puedo especificar una columna de validación, etiquetando los registros como "entrenamiento", "validación" o "prueba" (60%,20%,20%).
Pero también existe una opción de "porción de validación" (por defecto 0). ¿Qué es esta porción? ¿Se descarta si se especifica una columna de validación?
- Proporciono registros de validación, por lo que supongo que la plataforma ejecutará la optimización de hiperparámetros. ¿Qué informe de la plataforma incluye el historial de búsqueda de hiperparámetros?
Modelado predictivo y aprendizaje automáticoRe: Plataforma forestal Bootstrap > columna "validación" vs parte "validación"Hola @LirónGrande25 ,
Respecto a sus preguntas:
- La parte de validación puede ser útil si no especificó conjuntos de validación (y prueba) mediante la función Validación. Si agrega una columna de validación con conjuntos de entrenamiento, validación (y prueba) mediante la función Validación, se ignorará la parte de validación:
- La validación se utiliza principalmente en esta plataforma para permitir la "detención temprana" y evaluar mejor el impacto de la cantidad de árboles y su profundidad. El conjunto de validación se utilizará para evitar el sobreajuste mediante el uso de demasiados árboles individuales o demasiado profundos en el bosque.
Tenga en cuenta que puede ajustar los hiperparámetros de Bootstrap Forest (así como otros modelos de ML en JMP) mediante una tabla de diseño de ajuste . Vea cómo configurar su tabla y usarla para ajustar los hiperparámetros aquí: Ejemplo adicional de la plataforma de Bootstrap Forest
Si utilizó una tabla de diseño de ajuste, la lista de combinaciones de hiperparámetros probadas y sus resultados se mostrarán en el informe de análisis:
Algunas conversaciones previas sobre el diseño de ajuste de la tabla para el ajuste fino de hiperparámetros:
¿Hay alguna manera de hacer una validación cruzada de k-fold con un árbol potenciado?
Árbol potenciado - TABLA DE DISEÑO DE TUNING
¿Mal funcionamiento en Bootstrap Forest con la tabla de diseño de ajuste?
¿Quieres ejecutar la misma tabla de diseño de ajuste para múltiples variables y?
Tenga en cuenta que Random Forest (llamado Bootstrap Forest en JMP) es uno de los modelos de aprendizaje supervisado más robustos disponibles en Machine Learning. A diferencia de otros algoritmos posibles, es uno de los pocos modelos que es menos sensible al ajuste de hiperparámetros y puede obtener buenos resultados para Random Forests con la recomendación básica de JMP Pro y la configuración predeterminada.
Para obtener más información sobre la "capacidad de ajuste" de los modelos de aprendizaje automático (impacto del ajuste de hiperparámetros en el rendimiento), puede consultar este documento: [1802.09596] Capacidad de ajuste: importancia de los hiperparámetros de los algoritmos de aprendizaje automático (arxiv.org)
Espero que esta respuesta te ayude.
Re: Plataforma forestal Bootstrap > columna "validación" vs parte "validación"Hola Víctor,
Respecto al uso de una tabla de ajuste para la búsqueda de HyperParam,
Tengo una discordancia entre los parámetros especificados
y los parámetros informados por la Validación del Modelo.
Parece que "Portion Bootstrap", "Minimum Divisions per Tree" y "Minimum Size Division" no se tienen en cuenta en la validación del modelo. ¿Puede confirmar que los nombres de estos parámetros son correctos en este contexto?
Re: Plataforma forestal Bootstrap > columna "validación" vs parte "validación"Hola @LirónGrande25 ,
Consulte la siguiente discusión mencionada en mi publicación anterior, encontrará algunas explicaciones sobre el nombre correcto de los hiperparámetros, dónde encontrarlos y algunas tablas ya preparadas con el nombre correcto para el ajuste de hiperparámetros:
¿Mal funcionamiento en Bootstrap Forest con la tabla de diseño de ajuste?
