最新发布：全自动机器学习预测模块

易侕软件新增全自动机器学习预测模块，可根据结果变量类型自动选择各种适用的算法，包括深度学习-全连接神经网络、随机森林包括分布式随机森林和极度随机树、梯度提升机、广义线性模型等。deeplearning (fully connected deep neural network), random forest 包括 DRF (distributed random forest) 和 XRT (extremely random trees), GBM (gradient boosting machine), GLM (generalized linear model)。

极简的操作设置界面，给出XY：

查看结果得出批量图表结果：

（部分截图）

1 统计方法与原理

本模块使用R package h2o automl (Automate Machine Learning) 功能。

1 使用要求

1. 结果变量为两分类（编码成0/1）或多分类或连续性。

2. 自变量可以是两分类或多分类变量或连续性变量。输入变量要求是数字型变量，如为字符型需重新编码成数字（可用易侕的分类变量取值重组功能）。

2 主要参数设置

内部验证集（validation set）：validation 的目的是防止过度拟合。可以：

1. 采用5分组内部交叉验证（默认选项 0）

2. 或随机分出一组做验证集，选择或输入百分数，如25%，15%。手动输入可只输入数字（不带“%”号，如20）。

3. 或定义一组作为验证集，如手动输入 POP = 1。（输入 POP==1 与 POP=1 效果相同）。

模型检验集（testing set）：testing 的目的是对模型进行外部检验。可以：

1. 随机分出一组做验证集，选择或输入百分数，如25%，15%。手动输入可只输入数字（不带“%”号，如20）。

2. 或定义一组作为验证集，如手动输入 POP = 2。（输入 POP==2 与 POP=2 效果相同）。

算法选择（algorithms）：默认根据结果变量类型选择各种适用的算法，也可以选择如 deeplearning (fully connected deep neural network), random forest 包括 DRF (distributed random forest) 和 XRT (extremely random trees), GBM (gradient boosting machine), GLM (generalized linear model)

3 模型自动比较与选择标准

对两分类的结果变量，比较 "AUC", "AUCPR", "logloss", "mean_per_class_error", "RMSE", "MSE"。默认最大 AUC 模型被选为最佳模型。
对连续性结果变量，比较 "mean_residual_deviance", "RMSE", "MSE", "MAE", and "RMSLE"。默认最小 mean_residual_deviance 模型被选为最佳模型。
对多分类结果变量，比较 "mean_per_class_error", "logloss", "RMSE", "MSE"。默认最小 mean_per_class_error 模型被选为最佳模型。

4 输出结果

Automated machine learning 自动运行多个模型，如选择各种适用的算法，运行20个模型，如选择单项算法，运行10个模型，通过模型比较自动选出最佳模型。然后对选出的最佳模型的模型表现与预测结果进行分析，输出结果包括：

Models comparison ：下面的结果都是建立在自动选出的最佳模型上：
Model performance
Prediction performance
结果变量如为0/1编码的两分类变量，输出 ROC，Precision Recall 图及其数据文件；如为连续性变量，输出 EGA (Exploratory Graph Analysis) 图及其数据文件。
对连续性的自变量，如在 * Plot 列输入“S”，表示选择该变量，将绘制该变量（S）与结果变量预测值的关系曲线图，所有其它变量将作为分组变量（如为分类变量按原分类分组，如为连续性变量将取值 10%，50%，90% 百分位数分成低、中、高三组）分别绘制S与Y的曲线图，以便观察其与S的交互作用。

2 软件操作与结果解读

详见易典通帮助文件

http://www.empowerstats.net/article?aid=9401

3 易侕软件版本

5.0单机版和4.1版可以操作本模块，需要更新软件，操作如下：