Modellwettbewerb

Statt einen einzelnen Modelltyp auszuwählen und einzeln zu trainieren, trainiert Wettbewerb starten eine beliebige Kombination aus Random-Forest-, XGBoost- und Neuronale-Netz-Kandidaten gleichzeitig gegen dieselben Eingangs-/Ausgangskanäle - einschließlich Auto-Tuning für die baumbasierten Kandidaten, nicht nur für das neuronale Netz. Jeder Kandidat wird auf einem zurückgehaltenen Validierungsanteil bewertet, auf dem er nicht trainiert wurde, und die Bestenliste zeigt Validierungs-RMSE und R² für jeden Eintrag nebeneinander, zusammen mit der Trainingszeit und einer Anpassungsdiagnose (Unteranpassung, Überanpassung oder konkurrenzfähig). Für ausreichend große Datensätze liefert ein zweiter Testanteil, der weder beim Training noch bei der Modellauswahl verwendet wird, eine verlässlichere Genauigkeitszahl für den Eintrag, den Sie tatsächlich einsetzen möchten. Jeder Eintrag der Bestenliste kann exportiert werden, nicht nur der Gewinner - der Export als Code erfordert jedoch eine Virtual-Sensor-Lizenz, während das Trainieren und Vergleichen der Kandidaten bereits mit einer Viewer-Lizenz möglich ist.

Solange ein Kandidat noch läuft, bedeutet die daneben angezeigte Zahl je nach Phase etwas anderes: die bisher beste gefundene Hyperparameter-Kombination während der Suche, oder der echte, noch laufende Trainingsstand der Gewinnerkonfiguration, sobald das erneute Training beginnt. Diese Zahl kann direkt zu Trainingsbeginn kurzzeitig schlechter aussehen, bevor sie den besten Wert der Suchphase wieder überholt - das ist erwartet, kein Rückschritt.