큰 신경 네트워크, 수식을 저장할 수 없습니다여보세요,
나는 큰 데이터 세트를 가지고 있으며 오래 동안 기다렸다가 데이터에서 신경망을 성공적으로 실행할 수있었습니다.
데이터에는 수천 개의 입력 변수와 약 700 개의 관측치가 있습니다.
수식을 저장하거나 가장 효율적인 방법은 무엇입니까? "수식 저장"을 시도했지만 24 시간 후에 결과를 얻을 수 없어 jmp가 다시 시작되었습니다. 나는 다음에 빠른 공식이나 SAS 데이터 세트를 시도 할 것이지만 어쨌든 질문을 할 것이라고 생각했다.
나는 또한 엔터프라이즈 광부에서 jmp에있는 신경망을 어떻게 재현하는지 궁금해했다. 이 모델은 3 개의 tanH 활성화 노드가있는 단 하나의 레이어 만 가지며 0.6 배의 학습 속도로 부스트 (모델 실행 40 번)되며 페널티는 사용하지 않습니다. 누군가가 SAS (기본 또는 EM)에서이 작업을 반복하는 방법을 알게되면 매우 도움이됩니다. 내가 alternativly 엔터 프라이즈 광부에서 jmp 코드를 실행할 수있는 것 같아, 그게 가능 한가?
감사.
재 : 큰 신경 네트워크, 수식을 저장할 수 없습니다예, 언급 한 차원 축소 접근 방식을 시도해야합니다. 나는 그것이 입력 데이터가 그것과 관련된 미결정 지연을 갖는 데이터와 함께 시계열과 유사하므로 모든 입력 변수들 사이의 관계가 조금 "퍼지"(관찰 1, 입력 변수 하나는 모든 관측에 대한 시리즈의 첫 번째 샘플이지만 각 변수에 대한 관측치를 직접 비교하는 대신 NN을 사용하여 데이터 패턴을 찾습니다. 따라서 PCA 또는 제안 된 파티션 방법이 적합 할 것입니다.
각 시리즈의 샘플 속도를 줄이고 한 번에 하나의 시리즈를 수동으로 제거하면 훨씬 적은 데이터와 동일한 모델이 생성 될 수 있다고 생각합니다.
재 : 큰 신경 네트워크, 수식을 저장할 수 없습니다작은 뉴럴 네트워크 (Neural Networks)로 좀 더 테스트를했는데, 이는 계산 상 가장 효율적인 것으로 보입니다.
제안 해줘서 고마워.
재 : 큰 신경 네트워크, 수식을 저장할 수 없습니다수천 개의 입력 변수와 40 개의 증폭 단계를 통해 방대한 양의 복잡한 수식을 가질 수 있습니다.
만약 내가 할 수 있다면, 당신은 규칙 JMP 또는 Bootstrap Forest, Boosted Tree 또는 Generalized Regression을 사용한다면 Partition과 같은 가변 축소 기법을 사용할 것을 제안 할 것입니다. JMP Pro를 사용하면 더 많은 수의 입력 변수를 얻을 수 있습니다. 가장 중요한 요소. 이러한 요소를 얻은 후에는 입력 변수의 감소 된 집합으로 이전과 같이 신경 모델을 실행할 수 있습니다. 모델이 여전히 크고 복잡한 것은 아니지만 현재 NN 모델보다 훨씬 작을 것입니다. 또한 다른 기술을 사용하는 경우 모델 비교를 통해 Karen이 제안한 모델 저장소 또는 독립형 모델 비교에서 모델 저장소를 통해 모델 비교를 통해 가장 적합한 모델을 확인할 수 있습니다.
재 : 큰 신경 네트워크, 수식을 저장할 수 없습니다SAS Data Step (SAS 사용자가 아니므로 그 점에 대해 많이 알지는 못하지만 그 옵션을 살펴 보시기 바랍니다)을 시도해 보셨습니까? JMP13 Pro를 사용하는 경우 수식 저장소가 도움이 될 수 있습니다. 저장소에 공식을 게시 한 다음 저장소에서 여러 언어로 점수 코드를 만들 수 있습니다.
