ニューラルネットワークニューラル ネットワークはどの程度信頼できるのでしょうか? シードを設定しなかったときは結果が違ったのでシードを設定しましたが、シードを1234から100に変更すると結果も異なります。 モデルを実行するたびに完全に変化する変数の重要性に興味があります。 ツアーの数を増やしてみましたが、依然として重要度の変化は変わりません。 Kfold 検証、隠れ層構造に 3、モデル数に 10、学習率に 0.1、変換共変量とロバストフィット、二乗ペナルティ法、ツアー数に 20 を使用しています。 RSquare はトレーニングと検証の両方で約 0.9 です。
ありがとう、
シャニース・クロムビーン
Re: ニューラルネットワーク日ごとに NN をフィッティングすると、各サブセット内で各フォールドが 12 ～ 15 個の観測値になることを意味するため、推定値の安定性が悪影響を受けます。
とはいえ、上位の予測変数は一般に同じであり、両方の実行で同様のプロファイルを示します。 これらの予測子の一部 (おそらく半分程度) をモデルから削除しても、パフォーマンスはほとんど低下しませんが、結果として得られる節約されたモデルは、NN の実行全体にわたってより安定します。
また、非常に複雑なモデルを当てはめることになります。 隠しノードは 18 個あります。 応答は本当に複雑ですか? モデルを過剰に適合させると、実行の安定性にも影響します。
あなたが言うように応答が時間に依存するのであれば、安定性を高めるために Day を予測変数として含め、より大きな結合されたデータセットを使用する方が理にかなっています。
Re: ニューラルネットワークはい、サンプルサイズの範囲は 60 ～ 91 です。 変数は、妊娠 70、90、または 110 日目の胎盤または子宮内膜におけるさまざまな栄養輸送体の発現です。 日は重要な影響を及ぼし、表現は日によって異なる可能性が高いため、モデルを日ごとに適合させます。 確かに効果は小さいので、変数の重要度が大きく変化するのはそれが理由かもしれません。 これが私が見ているものの例です。
Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1Neural Network Run 1ニューラル ネットワークの実行 1
Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2Neural Network Run 2ニューラル ネットワークの実行 2
Re: ニューラルネットワークということは、サンプルサイズは60から91の範囲なのでしょうか？ これは k 倍 CV にとって十分なデータであると思われます。 それでも、効果が小さい場合は、トレーニング セットと検証セットへのランダムな割り当てごとに、推定値とそれに伴う変数の重要性が大幅に変化する可能性があります。 ここでは、Big Class の例に基づいた単純なケースと、検証で 5 倍 CV を使用することを除き、デフォルト設定を使用した NN を示します。
(初めてのお楽しみ)
(2回目の実行)
これら 2 つの実行では同じデータセットと設定を使用しますが、5 つのフォールドへの異なるランダムな割り当てが含まれます。 この変動はあなたが見ているものと似ていますか?
なぜ含めないのか日予測変数として使用すると、データセットのサイズは 209 になりますか?
Re: ニューラルネットワークデータセットには合計 209 個の観測値がありますが、日ごとにモデルを当てはめています。 70 日目 = 60、90 日目 = 91、110 日目 = 58。
Re: ニューラルネットワークデータセットには合計観測値がいくつありますか?
Re: ニューラルネットワーク単純にR二乗値が最も高いモデルを選択すればよいでしょうか? モデルを当てはめるたびに、R 二乗値は常に高くなります (0.90 ～ 0.94 の間) が、予測プロファイラーでの変数の重要度は大幅に変化します。
Re: ニューラルネットワークニューラル ネットワークは信頼性の高い予測モデルです。 k 分割相互検証を使用しているため、モデルを当てはめるたびに、異なる推定値と結果が得られます。 トレーニング セットと検証セットで実質的に同じ R 二乗が得られるという事実は、モデルが適切に適合していることを示しています。
近似されたモデルを列式として保存できます。 そうすれば、モデルを再度当てはめる必要がなく、モデルを使用しても推定値は変わりません。
ニューラルネットワークについてこんにちは、マークさん
ご返信ありがとうございます。ニューラル ネットワーク モデルを理解するのに非常に役立ちました。
ランダム シードを設定しない場合、現在の NN モデルのシード番号を取得する方法はありますか?
さらに、過去のシード番号を取得する方法はありますか? 良いモデルを手に入れましたが、シードがわからなかったので、次回モデルを繰り返したいと思います。
ありがとう！
最高、
ジアピン
ニューラルネットワークについて最初のフィッティングのデフォルトのシードは 0 です。この時点で別のシードを指定できます。フィッティングでは一連の疑似乱数が使用され、途中でシードが変更されます。後続のフィッティングでは最後のシードが使用されます。最初のフィッティングの後にシードを指定することはできません。
Neural のスクリプトを保存すると、ユーザー指定のシードがキャプチャされます。デフォルトのシードを使用する場合、このアクションは発生しませんが、次回はデフォルトを使用してフィットを再現できます。
古いフィットから開始シードを取得する方法はありません。
ニューラルネットワークについてこんにちは、マークさん
ご返信ありがとうございます！
ランダムシードを設定するときに、クロス検証の方法を決定しますか?
ランダム シードを 1 に設定してモデルを取得すると、上部の「モデルの起動」に「実行」オプションが 1 つ表示されます。実行をクリックすると、わずかに異なる R^square を持つ別のモデルが取得されます。「実行」をクリックしたときに、前のモデルと比較してモデル R^2 が異なるのはなぜですか?
ランダム シードを指定せずに [Go] をクリックすると、異なるランダム シードを持つ異なるモデルが表示されますか?
ありがとう！
ニューラルネットワークについてランダム シードは、プラットフォーム アルゴリズムで使用される乱数シーケンスの開始を決定します。デフォルトのシード 0 は、シーケンスを決定しないようNeural に指示します。したがって、Neural を複数回起動してデフォルトのシード 0 でフィッティングすると、再現可能な結果は得られません。シードを変更してシーケンスを再開できます。Neural を再度起動してシードを同じ 0 以外の値に変更すると、同じフィッティングが得られます。
シードを設定できるのは最初にのみです。同じ初期シードを使用して同じシーケンスを開始するには、Neural を再起動する必要があります。
