Entraînement de capteur virtuel et auto-tuning

La boîte de dialogue Capteur virtuel entraîne un seul modèle - Random Forest, XGBoost ou réseau de neurones - par rapport à un canal de sortie que vous choisissez, en utilisant les canaux d'entrée que vous sélectionnez. Les données d'entraînement peuvent être le fichier actuellement chargé, plusieurs fichiers sélectionnés explicitement, ou un dossier entier ; les fichiers supplémentaires sont concaténés en un seul jeu d'entraînement, et une table de correspondance des canaux par fichier (enregistrable/chargeable au format CSV) gère les fichiers où le même signal physique porte un nom différent.

Les trois types de modèles peuvent auto-régler leurs propres hyperparamètres plutôt que d'imposer des valeurs choisies à la main, chacun explorant un espace différent : Random Forest recherche le nombre d'arbres, la profondeur maximale et la taille minimale des feuilles ; XGBoost recherche le nombre d'arbres, la profondeur maximale et le taux d'apprentissage ; le réseau de neurones recherche le nombre de couches, les neurones par couche et le taux d'apprentissage. Chaque type de modèle partage le même choix de stratégie de recherche - l'optimisation bayésienne (processus gaussien, par défaut et généralement la plus rapide à converger), la recherche aléatoire, la recherche en grille, ou une recherche de substitut Random Forest/XGBoost. Lors de l'entraînement sur plusieurs fichiers, la recherche d'hyperparamètres elle-même ne s'exécute que sur le fichier actuellement chargé pour rester rapide ; la configuration gagnante est ensuite réentraînée sur l'ensemble complet des données multi-fichiers.