大神經網絡，無法保存公式你好，
我有一個大型數據集，經過漫長的等待，我已經能夠在數據上成功運行神經網絡。
數據有數千個輸入變量和大約700個觀測值。
什麼是最有效的方法或保存公式？我嘗試了“保存公式”但是在24小時等待後無法產生結果，所以我重新啟動了jmp。我接下來會嘗試快速公式或SAS數據集，但我想我會問這個問題。
我也想知道如何重建我在企業礦工的jmp中的神經網絡。該模型只有一層有3個tanH激活節點，被提升（模型運行40次），學習率為.6，並且沒有使用懲罰。如果有人能讓我繼續討論如何在SAS（基礎或EM）中重複這一點，那將非常有幫助。我想我可以在企業礦工中運行jmp代碼，這是可能的嗎？
謝謝。
Re：大神經網絡，無法保存公式是的，我應該嘗試你提到的降維方法。我有點猶豫，因為輸入數據與數據具有與之相關的未確定滯後的時間序列類似，因此所有輸入變量之間的關係有點“模糊”（觀察一，輸入）變量1是系列中第一個用於所有觀測的樣本，但我使用NN來查找數據中的模式，而不是直接比較每個變量的觀察結果，如果這樣做有意義的話，那麼我不是100％確定PCA或建議的分區方法是合適的。
我認為降低每個系列的採樣率並一次手動刪除一個系列可能會導致更少的數據和同等的模型。
Re：大神經網絡，無法保存公式我用更小的神經網絡進行了更多測試，這似乎是計算效率最高的。
謝謝你的建議。
Re：大神經網絡，無法保存公式有了數千個輸入變量和40個增強步驟，我可以想像你有一個龐大而復雜的公式。
如果可以的話，如果您使用常規JMP或Bootstrap Forest，Boosted Tree或Generalized Regression，如果您使用JMP Pro將輸入變量的數量減少到更易於管理的數量，我建議使用變量減少技術（如分區）。最重要的因素。 一旦有了這些因子，就可以像以前一樣使用減少的輸入變量集運行神經模型。 不是說模型仍然不會很大和/或複雜，但我敢打賭它會比你現在的NN模型小得多。 此外，如果您使用其他技術，您可以比較模型，通過Karen建議的Formula Depot中的模型比較或獨立的模型比較來查看哪一個最佳。
Re：大神經網絡，無法保存公式您是否嘗試過SAS Data Step（我不是SAS用戶，所以我對此並不了解，但建議您考慮一下這個選項）。如果您有JMP13 Pro，則配方庫可能會對您有所幫助。您可以將公式發佈到軟件倉庫，然後從軟件倉庫中創建多種語言的評分代碼。
