神經網路神經網路有多可靠？ 當我沒有設定種子時，我得到了不同的結果，因此我設定了種子，但是當我將種子從 1234 更改為 100 時，我也得到了不同的結果。 我對變數重要性感興趣，每次運行模型時它都會完全改變。 我也嘗試過增加遊覽次數，但重要性仍然有變化。 我使用 Kfold 驗證，3 表示隱藏層結構，10 表示模型數量，0.1 表示學習率、變換協變量和魯棒擬合、平方懲罰方法和 20 次遊覽。 訓練和驗證的 R 平方約為 0.9。
謝謝你，
沙尼絲·克羅賓
回覆：神經網絡以日為擬合 NN 意味著在每個子集中，每次折疊都有 12-15 個觀測值，因此估計的穩定性將受到不利影響。
也就是說，最重要的預測因子通常是相同的，並且在兩次運行中都表現出相似的特徵。 您可以從模型中刪除其中一些預測變數（可能多達一半），效能損失很小，但產生的簡約模型在神經網路運行中會更加穩定。
此外，您正在擬合一個非常複雜的模型。 隱藏節點有18個。 答案真的那麼複雜嗎？ 模型的過度擬合也會影響運行的穩定性。
如果回應如您所說是依賴時間的，那麼對我來說，將 Day 作為預測變數並使用更大的組合資料集以獲得更好的穩定性更有意義。
回覆：神經網絡是的，樣本量範圍為 60 至 91。 這些變數是妊娠第 70、90 或 110 天胎盤或子宮內膜中不同營養轉運蛋白的表達。 白天是一個顯著的影響，表達可能每天都會有所不同，這就是我每天擬合模型的原因。 確實，影響很小，這可能是變數重要性變化很大的原因。 這是我所看到的一個例子。
Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1神經網路運作 1
Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2神經網路運作 2
回覆：神經網絡那麼樣本量範圍是 60 到 91 嗎？ 對於 k 倍 CV 來說，這似乎是足夠的數據。 儘管如此，如果效果很小，那麼每次隨機分配訓練和驗證集時，估計值和伴隨的變數重要性可能會發生很大變化。 這是一個基於 Big Class 範例的簡單案例，神經網路使用預設設置，但驗證使用 5 倍 CV。
（第一次好玩）
（第二輪）
這兩次運行使用相同的數據集和設置，但涉及對五個折疊的不同隨機分配。 這種變化與您所看到的相似嗎？
為什麼不包括天作為預測器，那麼資料集大小將為 209？
回覆：神經網絡資料集中共有 209 個觀測值，但我每天都在擬合模型。 第 70 天 = 60，第 90 天 = 91，第 110 天 = 58。
回覆：神經網絡您的資料集中總共有多少個觀察值？
回覆：神經網絡我應該簡單地選擇 R 方最大的模型嗎？ 每次擬合模型時，R 方始終很高（在 0.90 和 0.94 之間），但預測刻畫器下的變數重要性會顯著變化。
回覆：神經網絡神經網路是可靠的預測模型。 您正在使用 k 折交叉驗證，因此，當然，每次擬合模型時，您都會得到不同的估計和結果。 事實上，您獲得的訓練集和驗證集幾乎相同的 R 方很好地表明模型非常適合。
您可以將擬合模型儲存為列公式。 然後您不必再次擬合模型，並且使用模型時估計值也不會改變。
回覆：神經網絡嗨馬克，
感謝您的回覆！這對我理解神經網路模型非常有用。
如果我不設定隨機種子，有什麼方法可以獲得當前神經網路模型的種子數？
另外，有什麼辦法可以取得歷史種子數嗎？我得到了一個很好的模型，但我不知道種子，我想下次重複該模型。
謝謝！
最好的，
嘉平
回覆：神經網絡第一次擬合的預設種子為 0。此時您可以指定替代種子。擬合使用一系列偽隨機數，這會沿途改變種子。後續擬合使用最後一個種子。您無法在第一次擬合後指定它。
如果您儲存神經腳本，則會擷取使用者指定的種子。如果您使用預設種子，則不會發生此操作，但您始終可以在下次使用預設種子來重現擬合。
沒有辦法從舊的配合中獲得起始種子。
回覆：神經網絡嗨馬克，
感謝您的回覆！
當我們設定隨機種子時，我們是否就確定了交叉驗證的方式？
當我將隨機種子設為 1 並獲得模型時，我會在頂部“model lauch”上獲得一個“go”選項。點擊“執行”後，將獲得另一個 R^square 略有不同的模型。當我點擊「Go」時，模型 R^2 與前一個模型有何不同？
如果我不指定隨機種子並點擊“Go”，它會為我們提供具有不同隨機種子的不同模型嗎？
謝謝！
回覆：神經網絡隨機種子決定平台演算法使用的隨機數序列的開始。預設種子 0 告訴 Neural 您不想確定序列。因此，多次啟動 Neural 並使用預設種子 0 進行擬合將不會導致可重現的結果。您可以更改種子以重新啟動序列。如果您再次啟動 Neural 並將種子更改為相同的非零值，您將獲得相同的擬合。
您只能在開始時設定種子。要使用相同的初始種子啟動相同的序列，您必須重新啟動 Neural。
