大きなニューラルネットワークは、式を保存することはできませんこんにちは、
私は大規模なデータセットを持っていて、長い待ち時間の後にデータ上でニューラルネットワークをうまく実行することができました。
データには数千の入力変数と約700の観測値があります。
最も効率的な方法や数式を保存する方法は何ですか？「数式を保存する」を試みましたが、24時間待っても結果が得られなかったので、jmpを再起動しました。次に高速数式やSASデータセットを試してみるつもりですが、とにかく質問すると思います。
エンタープライズマイナーのjmpにあるニューラルネットワークを再作成する方法についても疑問に思いました。このモデルは3つのtanH活性化ノードを持つ単層のみを持ち、学習率0.6でブーストされ（モデルは40回実行され）、ペナルティは使用されません。誰かが私にSAS（ベースまたはEM）でこれを繰り返す方法を進めさせることができればそれは非常に役に立つでしょう。私は代替的に私がエンタープライズマイナーでjmpコードを実行することができると思います、それは可能ですか？
ありがとう。
再：大ニューラルネットワークは、式を保存することはできませんええ、私はあなたが言及した次元縮小アプローチを試すべきです。私は、入力データがそれに関連した未確定の遅れを持つデータを持つ時系列に似ているのでうまくいくと信じるのは少し躊躇しています、それですべての入力変数間の関係は少し「あいまい」です（観察1、入力）変数1はすべての観測値の系列の最初のサンプルですが、私はNNがデータ内のパターンを見つけるために各変数の観測値を直接比較するのではなく使用しています。推奨されるパーティション分割方法が適しています。
各シリーズのサンプルレートを下げて、一度に1つのシリーズを手動で削除すると、はるかに少ないデータと同等のモデルが得られると思います。
再：大ニューラルネットワークは、式を保存することはできません私はもっと小さなニューラルネットワークでもう少しテストをしました、そしてそれは計算的に最も効率的であるようです。
提案をありがとう。
再：大ニューラルネットワークは、式を保存することはできません何千もの入力変数と40のブーストステップで、私はあなたが大規模で非常に複雑な式を持っていると想像することができます。
可能であれば、通常のJMPまたはブートストラップフォレストを使用している場合はパーティションなどの変数削減手法を使用し、入力変数の数を管理しやすい数に減らすためにJMP Proを使用している場合はブーストツリーまたは一般化回帰を使用します。最も重要な要素 これらの要素が決まったら、入力変数のセットを減らして以前と同様にNeuralモデルを実行できます。 モデルがまだ大きくも複雑でもないとは言わないが、現在のNNモデルよりはるかに小さいだろうと私は思う。 また、これらの他のテクニックを使用する場合は、カレンが提案するフォーミュラデポのモデル比較またはスタンドアロンのモデル比較のいずれかを使用して、モデルを比較してどれが最適かを確認できます。
再：大ニューラルネットワークは、式を保存することはできませんSAS Data Stepを試してみましたか？（私はSASユーザーではありませんので、詳細はわかりませんが、そのオプションを検討することをお勧めします）。JMP13 Proをお持ちの場合は、フォーミュラデポが役に立ちます。式をデポに公開してから、デポからさまざまな言語でスコアリングコードを作成できます。
