56990_de-DE

liliconcom

Neuronale Netze

Wie zuverlässig sind neuronale Netze? Wenn ich den Startwert nicht festgelegt habe, habe ich andere Ergebnisse erhalten, also habe ich den Startwert festgelegt, aber wenn ich den Startwert von 1234 auf 100 ändere, erhalte ich auch andere Ergebnisse. Ich interessiere mich für die Bedeutung von Variablen, die sich jedes Mal, wenn ich das Modell ausführe, vollständig ändern. Ich habe auch versucht, die Anzahl der Touren zu erhöhen, aber die Wichtigkeit variiert immer noch. Ich verwende die Kfold-Validierung, 3 für die Struktur der verborgenen Schichten, 10 für die Anzahl der Modelle, 0,1 für die Lernrate, Transformationskovariaten und robuste Anpassung, die Methode der quadratischen Strafe und 20 für die Anzahl der Touren. RSquare liegt sowohl für Training als auch für Validierung bei etwa 0,9.

 

Danke schön,

Shanice Krombeen

Betreff: Neuronale Netze

Die Anpassung des NN nach Tag bedeutet, dass innerhalb jeder Teilmenge jede Falte 12–15 Beobachtungen umfasst, sodass die Stabilität der Schätzungen beeinträchtigt wird.

Allerdings sind die Top-Prädiktoren im Allgemeinen dieselben und weisen in beiden Läufen ähnliche Profile auf. Sie können einige dieser Prädiktoren, möglicherweise bis zur Hälfte, mit geringem Leistungsverlust aus dem Modell entfernen, aber das resultierende sparsame Modell wird über NN-Läufe stabiler sein.

Außerdem passen Sie ein sehr komplexes Modell an. Es gibt 18 versteckte Knoten. Ist die Antwort wirklich so kompliziert? Eine übermäßige Anpassung des Modells wirkt sich auch auf die Stabilität der Läufe aus.

Wenn die Reaktion, wie Sie sagen, zeitabhängig ist, ist es für mich sinnvoller, Day als Prädiktor einzubeziehen und den größeren, kombinierten Datensatz für eine bessere Stabilität zu verwenden.

Betreff: Neuronale Netze

Ja, die Stichprobengröße liegt zwischen 60 und 91. Die Variablen sind die Expression verschiedener Nährstofftransporter in der Plazenta oder im Endometrium am 70., 90. oder 110. Tag der Schwangerschaft. Der Tag ist ein signifikanter Effekt und der Ausdruck unterscheidet sich wahrscheinlich von Tag zu Tag, weshalb ich das Modell tageweise anpasse. Es stimmt, dass die Auswirkungen gering sind, weshalb sich die Bedeutung der Variablen möglicherweise stark ändert. Hier ist ein Beispiel für das, was ich sehe.

Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neuronaler Netzwerklauf 1Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2 Neuronaler Netzwerklauf 2

Betreff: Neuronale Netze

Die Stichprobengröße liegt also zwischen 60 und 91? Das scheinen ausreichende Daten für einen k-fachen Lebenslauf zu sein. Wenn die Effekte jedoch gering sind, können sich die Schätzungen und die damit verbundene Variablenbedeutung mit jeder zufälligen Zuweisung zu den Trainings- und Validierungssätzen stark ändern. Hier ist ein einfacher Fall basierend auf dem Big-Class-Beispiel und einem NN, der die Standardeinstellungen verwendet, außer dass bei der Validierung ein 5-facher CV verwendet wird.

(Erster Spaß)

(Zweiter Lauf)

Diese beiden Läufe verwenden denselben Datensatz und dieselben Einstellungen, beinhalten jedoch unterschiedliche zufällige Zuordnungen zu den fünf Falten. Entspricht diese Variabilität dem, was Sie sehen?

Warum nicht einbeziehen? Tag als Prädiktor und dann beträgt die Datensatzgröße 209?

Betreff: Neuronale Netze

Der Datensatz enthält insgesamt 209 Beobachtungen, aber ich passe das Modell tageweise an. Tag 70 = 60, Tag 90 = 91 und Tag 110 = 58.

Betreff: Neuronale Netze

Wie viele Gesamtbeobachtungen enthält Ihr Datensatz?

Betreff: Neuronale Netze

Soll ich einfach das Modell mit dem höchsten R-Quadrat wählen? Jedes Mal, wenn ich das Modell anpasse, ist das R-Quadrat immer hoch (zwischen 0,90 und 0,94), aber die Bedeutung der Variablen unter dem Vorhersageprofiler ändert sich erheblich.

Betreff: Neuronale Netze

Neuronale Netze sind zuverlässige Vorhersagemodelle. Sie verwenden eine k-fache Kreuzvalidierung, sodass Sie natürlich jedes Mal, wenn Sie das Modell anpassen, unterschiedliche Schätzungen und Ergebnisse erhalten. Die Tatsache, dass Sie für die Trainings- und Validierungssätze praktisch das gleiche R-Quadrat erhalten, ist ein guter Hinweis darauf, dass das Modell gut passt.

Sie können das angepasste Modell als Spaltenformel speichern. Dann müssen Sie das Modell nicht erneut anpassen und die Schätzungen ändern sich nicht, wenn Sie das Modell verwenden.

Betreff: Neuronale Netze

Hallo Mark,

Danke für Ihre Antwort! Das ist für mich sehr nützlich, um das Modell neuronaler Netzwerke zu verstehen.

Wenn ich den Zufallsstartwert nicht festlege, gibt es dann eine Möglichkeit, die Startnummer für das aktuelle NN-Modell abzurufen?

Gibt es außerdem eine Möglichkeit, die historische Startnummer zu erhalten? Ich habe ein gutes Modell, kannte aber die Startnummer nicht und möchte das Modell beim nächsten Mal wiederholen.

Danke!

Am besten,

Jiaping

Betreff: Neuronale Netze

Der Standard-Startwert für die erste Anpassung ist 0. Sie können an dieser Stelle einen alternativen Startwert angeben. Die Anpassung verwendet eine Reihe pseudozufälliger Zahlen, die den Startwert im Laufe der Anpassung ändern. Nachfolgende Anpassungen verwenden den letzten Startwert. Sie können ihn nach der ersten Anpassung nicht mehr angeben.

Wenn Sie ein Skript für Neural speichern, wird ein benutzerdefinierter Seed erfasst. Diese Aktion tritt nicht auf, wenn Sie den Standard-Seed verwenden, aber Sie können die Anpassungen jederzeit reproduzieren, indem Sie beim nächsten Mal den Standard verwenden.

Es gibt keine Möglichkeit, den Startwert aus einer alten Passform zu erhalten.

Betreff: Neuronale Netze

Hallo Mark,

Danke für Ihre Antwort!

Bestimmen wir mit dem Festlegen des Zufallszahlengenerators auch die Art und Weise der Kreuzvalidierung?

Wenn ich den Zufallsstartwert auf 1 setze und ein Modell erhalte, erhalte ich oben bei „Modell starten“ eine „Los“-Option. Nachdem ich auf „Los“ geklickt habe, wird ein anderes Modell mit leicht unterschiedlichem R^Quadrat erhalten. Was macht den Unterschied des Modells R^2 im Vergleich zum vorherigen aus, wenn ich auf „Los“ klicke?

Wenn ich den Zufallsstartwert nicht angebe und auf „Los“ klicke, werden uns dann unterschiedliche Modelle mit unterschiedlichen Zufallsstartwerten angezeigt?

Danke!

Betreff: Neuronale Netze

Der Zufallsstartwert bestimmt den Beginn der vom Plattformalgorithmus verwendeten Zufallszahlenfolge. Der Standardstartwert 0 teilt Neural mit, dass Sie die Folge nicht bestimmen möchten. Wenn Sie Neural mehr als einmal starten und die Anpassung mit einem Standardstartwert 0 vornehmen, werden daher keine reproduzierbaren Ergebnisse erzielt. Sie können den Startwert ändern, um die Folge neu zu starten. Wenn Sie Neural erneut starten und den Startwert auf denselben Wert ungleich 0 ändern, erhalten Sie dieselbe Anpassung.

Sie können den Seed nur am Anfang festlegen. Um dieselbe Sequenz mit demselben anfänglichen Seed zu starten, müssten Sie Neural neu starten.