SmartSelection

Автоматический выбор наиболее подходящего алгоритма оптимизации и техники аппроксимации.

Что такое SmartSelection?

Хорошо известно, что эффективность решения задач оптимизации и построения аппроксимационных моделей сильно зависит от правильного выбора алгоритма. Утомительная настройка внутренних параметров алгоритма оптимизации или ручной поиск техники аппроксимации могут занимать много времени и не привести к успеху.

SmartSelection – это специальная техника в pSeven, используемая в оптимизации и аппроксимации, которая автоматически выбирает наиболее эффективный подход к решению для заданного типа задачи и данных. Принцип этой техники состоит в том, что пользователь взаимодействует с необходимым ему инструментом только в терминах описания задачи и свойств модели, которые для него важны и понятны, а не в терминах низкоуровневых настроек алгоритмов, о которых пользователь не осведомлен или не знает.

Info

Опишите задачу

trending_flat
SmartSelection

Примените SmartSelection

trending_flat
Results

Получите результаты

Набор подсказок и опций в SmartSelection помогает пользователю описать задачу и желаемое решение с его точки зрения, а не с алгоритмической точки зрения. Данная техника скрывает внутреннюю сложность алгоритмов, так что пользователь может сосредоточиться на решении самой задачи. Это открывает экспертный уровень математики для оптимизации и аппроксимации даже для неспециалистов в данной области.

SmartSelection для анализа данных и оптимизации

Успех процесса оптимизации зависит от множества технических аспектов и может включать в себя несколько методов оптимизации с различными глобализационными и локальными алгоритмами, поэтому выбор единственного алгоритма может не привести к желаемому результату.

SmartSelection  использует предоставленные пользователем подсказки о задаче для начальной навигации и автоматически выбирает наиболее подходящие алгоритмы, в то время как их параметры настраиваются адаптивно в процессе решения.

  • Подсказки и опции, с помощью которых пользователь описывает задачу и желаемое решение:
    • Подсказки для входных параметров: непрерывные, целочисленные, дискретные 
    • Вид откликов: оценка, минимизация, ограничение и т.д. 
    • Поведение откликов: обычный, линейный, квадратичный и т.д.
    • Предустановки: сильно зашумленная задача, ресурсоемкая задача 

В случае серьезного ухудшения производительности данная техника прерывает процесс решения и перезапускает его с использованием следующего подходящего алгоритма.

SmartSelection выбирает технику планирования эксперимента на основе поставленной задачи 

Optimization with SmartSelection vs. open algorithms

Сравнение оптимизации с использованием SmartSelection с открытыми алгоритмами. 
NSGA-II, Adaptive Scalarization, SmartSelection – по 280 итераций на каждый

SmartSelection для предсказательного моделирования 

Выбор одной определенной техники аппроксимации часто является недостаточным для построения точной модели. Наилучший тип модели и параметры техники аппроксимации значительно зависят от конкретной задачи и данных. Другими словами, важная информация с технической точки зрения может быть заранее неизвестна.

SmartSelection для предсказательного моделирования предоставляет автоматический и адаптивный выбор наилучшей техники:

  • Подсказки и опции., с помощью которых пользователь  описывает задачу и желаемое решение:
    • Подсказки о данных: зависимости, структура и т.д.
    • Желаемые свойства модели: точное соответствие, гладкая модель и т.д.
    • Свойства аппроксимации: качество, лимит времени и т.д.
  • Для лучшего качества аппроксимации различные части модели могут быть построены с использованием разных техник.

SmartSelection setup for approximation

Настройка SmartSelection для предсказательного моделирования 

В зависимости от техники, в ней подддерживаются или не поддерживаются различные опции и методы построения модели. SmartSelection автоматически оценивает опции и выбирает подходящую технику: 

Опции Speed vs. Quality Presets Accuracy Evaluation Exact Fit Linearity Required Tensor Structure Internal Validation Point Weight Smoothing Randomized Training Logarithm of Outputs
Техники
RSM                    
SPLT                    
HDA                    
GP                    
SGP                    
HDAGP                    
TA                    
iTA                    
TGP                    
GBRT                    
PLA                    
TBL                    

  - поддерживается  - поддерживается при определенных условиях

Даже при настройках по умолчанию  SmartSelection строит модели качественее и быстрее, чем такие известные открытые алгоритмы, как Scikit-learn, XGBoost и GPy. Подробнее >

Accuracy profiles of different predictive modeling techniques

Качество аппроксимационных моделей, построенных при помощи SmartSelection, в сравнении с отдельными техниками

Training time profiles of different predicitve modeling techniques

Графики времени обучения для различных техник построения предсказательных моделей

Заинтересовало решение?

Нажмите, чтобы запросить бесплатную 30-дневную демоверсию.

Запросить демо