Großes neuronales Netzwerk, kann die Formeln nicht speichernHallo,
Ich habe ein großes Dataset und konnte nach langem Warten ein neuronales Netzwerk erfolgreich mit den Daten betreiben.
Die Daten haben Tausende von Eingangsvariablen und etwa 700 Beobachtungen.
Was ist der effizienteste Weg oder das Aussparen der Formeln? Ich habe "save formulas" ausprobiert, konnte aber nach 24-stündigem Warten kein Ergebnis erzielen, also habe ich jmp neu gestartet. Ich werde als Nächstes schnelle Formeln oder SAS-Datensätze ausprobieren, dachte aber, ich würde die Frage trotzdem stellen.
Ich habe mich auch gefragt, wie ich das neuronale Netzwerk, das ich in jmp in Enterprise Miner habe, wiederherstellen kann. Das Modell hat nur eine einzige Schicht mit 3 tanH Aktivierungsknoten, wird mit einer Lernrate von 0,6 verstärkt (Modell wird 40 Mal ausgeführt) und verwendet keine Strafe. Wenn mich jemand dazu bringen kann, dies in SAS (Basis oder EM) zu wiederholen, wäre das sehr hilfreich. Ich könnte alternativ den jmp-Code in Enterprise Miner ausführen. Ist das möglich?
Vielen Dank.
Re: Großes neuronales Netzwerk, kann die Formeln nicht speichernJa, ich sollte den von Ihnen erwähnten Dimensionsreduzierungsansatz ausprobieren. Ich bin etwas zu zögern zu glauben, dass es funktionieren wird, da die Eingabedaten einer Zeitreihe ähneln, deren Daten mit einer unbestimmten Verzögerung verbunden sind. Daher ist die Beziehung zwischen allen Eingabevariablen etwas "unscharf" (Beobachtung, Eingabe) Variable Eins ist die erste Probe in der Serie für alle Beobachtungen, aber ich verwende das NN, um Muster in den Daten zu finden, anstatt die Beobachtungen für jede Variable direkt zu vergleichen, wenn dies Sinn macht.) Daher bin ich nicht zu 100% sicher, ob PCA oder PCA die vorgeschlagene partitionierungsmethode wäre geeignet.
Ich denke, die Reduzierung meiner Abtastrate für jede Serie und das manuelle Entfernen einer Serie zu einem Zeitpunkt kann zu wesentlich weniger Daten und einem entsprechenden Modell führen.
Re: Großes neuronales Netzwerk, kann die Formeln nicht speichernIch habe ein bisschen mehr mit kleineren Neuronalen Netzen getestet, und das scheint rechnerisch am effizientesten zu sein.
Danke für den Vorschlag.
Re: Großes neuronales Netzwerk, kann die Formeln nicht speichernMit Tausenden von Eingangsvariablen und 40 Verstärkungsstufen kann ich mir vorstellen, dass Sie eine massive und massiv komplizierte Formel haben.
Wenn ich kann, würde ich empfehlen, eine variable Reduktionsmethode wie Partition zu verwenden, wenn Sie normales JMP oder Bootstrap Forest, Boosted Tree oder Generalized Regression verwenden, wenn Sie JMP Pro haben, um die Anzahl der Eingabevariablen auf eine überschaubarere Anzahl von wichtigste Faktoren. Sobald Sie diese Faktoren kennen, können Sie ein Neural-Modell wie zuvor mit der reduzierten Menge von Eingabevariablen ausführen. Nicht zu sagen, dass das Modell immer noch nicht groß und / oder kompliziert ist, aber ich würde wetten, es wäre viel kleiner als Ihr aktuelles NN-Modell. Wenn Sie diese anderen Techniken verwenden, können Sie die Modelle vergleichen, um herauszufinden, welches Modell am besten über den Modellvergleich im Formula Depot, wie Karen schlägt, oder durch den eigenständigen Modellvergleich besteht.
Re: Großes neuronales Netzwerk, kann die Formeln nicht speichernHaben Sie den SAS Data Step ausprobiert (ich bin kein SAS-Benutzer, daher weiß ich nicht viel darüber, würde aber vorschlagen, dass Sie diese Option in Betracht ziehen). Wenn Sie JMP13 Pro haben, kann Ihnen das Formeldepot helfen. Sie können eine Formel im Depot veröffentlichen und dann vom Depot aus Scoring-Code in mehreren Sprachen erstellen.
