Modellwettbewerb

Statt einen einzelnen Modelltyp zu trainieren und zu hoffen, dass es die richtige Wahl war, 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 nie trainiert hat, und die Bestenliste zeigt Validierungs-RMSE und R² für jeden Eintrag nebeneinander, zusammen mit der Trainingszeit und einer Anpassungsdiagnose (Unteranpassung, Überanpassung oder tatsächlich konkurrenzfähig). Für Datensätze, die groß genug dafür sind, liefert ein zweiter, unberührter Testanteil - der während Training oder Modellauswahl nie 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 der Viewer-Stufe möglich ist.