報告人工神經網絡中所有模型的所有模型的結果你好，
我試圖在400點集上使用ANN進行10倍交叉驗證。我正在使用10個遊覽和10個模型進行提升。我希望JMP報告所有100個模型的模型性能測量（10倍* 10次巡視）。有一個簡單的方法嗎？
還有一種方法可以告訴JMP嘗試不同的節點組合併報告所有結果而不是一次運行一個節點嗎？
謝謝，
米娜。
回复：報告人工神經網絡中所有模型的所有模型的結果我將在接下來的幾週內旅行，但如果你發布你的代碼，我相信有人會願意提供幫助。
但為什麼你需要每個折疊的擬合統計數據？找不到最好的神經網絡模型的目標不是？如果是這樣，JMP會自動為您完成。再次，這就是k-fold的目的。
至於置信區間，神經網絡通常適合非常大的數據集，這使得傳統的統計推斷無信息。換句話說，由於樣本量太大，所有內容通常都顯示為具有統計意義。權重的置信區間不會非常有用，因為你有隱藏的節點，並且增強會使這很困難。預測值的置信區間可能最好通過自舉來處理，而不是嘗試進行任何分佈假設。
回复：報告人工神經網絡中所有模型的所有模型的結果謝謝丹！
你能幫我編碼嗎？我試過但它不起作用（這是我第一次在JMP中編碼）。
還有一種方法可以從JMP的神經網絡中獲得95％的置信限，就像它對線性回歸一樣嗎？
回复：報告人工神經網絡中所有模型的所有模型的結果幾個問題。你說你正在使用10個遊覽。你是說你使用10種型號進行助推嗎？無論如何，我希望下面的建議能指出正確的方向。
為了獲得每個折疊的擬合統計數據，我認為您需要編寫一些腳本。首先，您需要創建一個定義每個折疊的驗證列。然後使用支撐折疊＃1的Boosted ANN模型，保存結果（無論您想要哪種結果）。然後腳本可以將保持設置增加為折疊＃2等。是的，這將是乏味的，但請記住，k-fold的目的是讓JMP為你做繁重的工作。JMP應該選擇性能最佳的結果，您不需要檢查每個折疊。
最後，你的最後一個問題。“嘗試不同的節點組合”是什麼意思？您是指更改隱藏節點的數量，並且您想比較具有2個節點，3個節點，4個節點等的模型的性能？如果是這樣，我認為這需要由腳本處理。
