인공 신경망의 모든 투어에서 모든 모델의 결과를보고합니다.여보세요,
400 포인트 세트에서 10 배 교차 유효성 검사를 사용하여 ANN을 사용하려고합니다. 10 투어와 10 모델을 사용하고 있습니다. JMP가 100 가지 모델 (10 배 * 10 번 투어)의 모델 성능 측정치를보고하기를 바랍니다. 그 일을 쉽게 할 수있는 방법이 있습니까?
또한 JMP에게 여러 노드 조합을 시도하고 한번에 하나씩 실행하는 대신 모든 결과를보고하도록 지시하는 방법이 있습니까?
고맙습니다,
미나.
다시 : 인공 신경망의 모든 투어에서 모든 모델의 결과보고앞으로 몇 주 동안 여행 할 예정이지만, 코드를 게시하면 누군가가 기꺼이 도움을 줄 것이라고 확신합니다.
그러나 각 폴드에 대해 왜 적합한 통계가 필요한가? 최고의 신경망 모델을 찾는 것이 목표가 아닌가? 그렇다면 JMP가 자동으로 처리합니다. 다시 말하지만, 그것은 k-fold의 목적입니다.
신뢰 구간에 관해서는, 신경망은 전형적으로 매우 큰 데이터 세트에 적합하여 전통적인 통계적 추론을 비 유익하게 만든다. 즉, 표본 크기가 너무 커서 모든 것이 통계적으로 유의미한 것으로 나타납니다. 가중치에 대한 신뢰 간격은 숨겨진 노드가 있고 부스팅으로 인해 어려워 질 수 있기 때문에 대단히 유용하지 않습니다. 예상 값에 대한 신뢰 구간은 분배 가정을하기보다는 부트 스트랩으로 처리하는 것이 가장 좋습니다.
다시 : 인공 신경망의 모든 투어에서 모든 모델의 결과보고Dan 감사합니다!
제발 코딩 좀 도와 줄래? 시도했지만 작동하지 않습니다. JMP에서 코드를 작성한 것은 이번이 처음입니다.
또한 선형 회귀 분석에서와 마찬가지로 JMP에서 신경망의 95 % 신뢰 한계를 얻을 수있는 방법이 있습니까?
다시 : 인공 신경망의 모든 투어에서 모든 모델의 결과보고몇 가지 질문. 10 개의 투어를 사용한다고하셨습니다. 당신은 당신이 10 모델을 사용하고 있다는 것을 의미합니까? 그럼에도 불구하고 아래 제안 사항이 올바른 방향으로 안내해주기를 바랍니다.
각 폴드에 대해 적절한 통계를 얻으려면 스크립팅을해야한다고 생각합니다. 먼저 각 접기를 정의하는 유효성 검사 열을 만들어야합니다. 그런 다음 Boosted ANN 모델을 fold # 1로 다시 채우고 결과를 저장하십시오 (원하는 결과에 상관없이). 그런 다음 스크립트는 보류 백 세트를 폴드 # 2 등으로 증가시킬 수 있습니다. 그렇습니다. 이것은 지루할 것입니다. 그러나 k-fold의 목적은 JMP가 당신을 위해 무거운 짐을지게하는 것임을 기억하십시오. JMP는 최상의 결과를 얻고 각 폴드를 검사 할 필요가 없습니다.
마지막으로, 마지막 질문입니다. "노드의 다른 조합을 시도하는 것"은 무엇을 의미합니까? 당신은 숨겨진 노드의 수를 바꾸는 것에 대해 언급하고 있으며 노드 2 개, 노드 3 개, 노드 4 개 등과 같은 모델의 성능을 비교하고 싶습니까? 그렇다면 다시 스크립트로 처리해야한다고 생각합니다.
