Compétition de modèles

Plutôt que d'entraîner un seul type de modèle en espérant que ce soit le bon choix, Lancer la compétition entraîne simultanément n'importe quelle combinaison de candidats Random Forest, XGBoost et réseau de neurones sur les mêmes canaux d'entrée/sortie - y compris l'auto-réglage pour les candidats à base d'arbres, pas seulement pour le réseau de neurones. Chaque candidat est noté sur une partie de validation retenue sur laquelle il ne s'est jamais entraîné, et le classement affiche côte à côte le RMSE et le R² de validation pour chaque entrée, ainsi que le temps d'entraînement et un diagnostic d'ajustement (sous-ajustement, surajustement, ou véritablement compétitif). Pour les jeux de données suffisamment grands pour se le permettre, une seconde partie de test intacte - jamais utilisée pendant l'entraînement ou la sélection du modèle - fournit un chiffre de précision plus fiable pour l'entrée que vous comptez réellement déployer. N'importe quelle entrée du classement peut être exportée, pas seulement le gagnant - l'export vers du code nécessite toutefois une licence Virtual Sensor, alors qu'entraîner et comparer les candidats eux-mêmes ne demande que le palier Viewer.