JMP Pro ByTorch の AI 最適化こんにちは、みんな、
JMP Pro Torch ディープラーニング モデルを使用して、プロセス パラメータの AI 最適化に使用することは可能ですか。
もしそうなら、JMP Pro Torch ディープラーニングで利用できるすべての AI テクニックは何ですか。
ご提案ください。
予測モデリングと機械学習Re: JMP Pro の AI 最適化 ByTorchこんにちはサンカラムトゥ 、
申し訳ありませんが、あなたが何をしたいのか正確にはわかりません。
プロジェクト、データの種類、目的、コンテキストなどについてより具体的に説明できれば、受け取る回答の質と関連性が大幅に向上します。可能であれば、説明にいくつかのデータを結合して、人々がさまざまなアプローチを試して推奨できるようにすることもできます。
この最初のディスカッションスターターがお役に立てば幸いです。
Re: JMP Pro の AI 最適化 ByTorchすぐに返信してくださったビクターに感謝します。
寸法誤差を減らすために、積層造形のプロセスパラメータを最適化する必要があります。
したがって、JMP Pro Torch ディープラーニングの AI 最適化オプションを探しています。
因子と応答として連続データがあります。
Re: JMP Pro の AI 最適化 ByTorchさて、これはあなたを助けるためのほんの少しの情報です。
以下にいくつかの質問を示します (網羅的なリストではありませんので、できるだけ多くのコンテキストと情報を提供してください。 正しい質問に対する正しい回答を迅速に取得する方法をお読みください)。
- データポイント、要因、応答はいくつありますか?
- 解決すべき問題に対して、データはどの程度代表的でしょうか? 範囲はどのくらい大きいでしょうか? 観測データ (生産データ) のみでしょうか? 生産データに実験データを追加できますか (生産データは実験/DOE データよりも範囲が狭い場合が多く、最適化の発見/実現が困難になることがあります)?
- 応答はどのように測定されますか? 測定機器の信頼性/ノイズはどの程度ですか? 測定機器の変動性はご存知ですか?
- 期待される応答の改善はどの程度ですか? 観測された応答の範囲はどの程度ですか?
- あなたの目的は何ですか? 最適化だけですか、それともシステムの理解を深め、要因の影響を比較評価することも目的ですか?
- すでにどのような分析を試しましたか? JMP/JMP Pro では分析が不十分なのはなぜですか? 機械学習モデリングにおけるパフォーマンスの問題のほとんどは、データ品質の問題が原因であることが多く、モデルの複雑さが不十分であることが原因であることは非常にまれです。表形式のデータにニューラル ネットワークを使用することは、まさに「大ハンマーでハエを殺す」ようなものです。ほとんどの場合、より単純なモデルで十分です。
- モデルの評価基準は何ですか?
- 等...
さらに詳しい情報を提供していただければ幸いです。
Re: JMP Pro の AI 最適化 ByTorchこんにちはサンカラムトゥ 、
ビクターによる素晴らしい返信に加えて、さらにいくつかの考えを述べます。
1. すべてのデータが表形式である場合、XGBoost は優れた代替手段となり得ます。XGBoost にはハイパーパラメータ自動チューナーが組み込まれています。XGBoost は、Torch Deep Learning とともに、marketplace.jmp.com で入手できます。
2. Torch、XGBoost、およびその他の予測モデリング プラットフォームには、モデルを適合した後に赤い三角形から実行できるプロファイラーがあり、その後、プロセス パラメータに対して「望ましさの最大化」機能を使用することができます。
3. 来週ベルリンで開催される JMP Discovery Summit での関連プレゼンテーションに注目してください。
