袋裝模型預測問題
我正在研究一種神經網絡模型，我已經將其打包成一個平均和標準的誤差預測列。 我想將它導出到Python，以便客戶可以更方便地使用它。 當我生成評分代碼時，它會生成所有袋裝估算值的平均值。 有沒有一種方法可以生成可以回溯到神經網絡的原始輸入而不是袋裝估計列的評分代碼？
非常感謝，
約翰
Re：Bagged模型預測問題嗯，我剛想到我們可能會看到不同的東西。您使用的是哪個JMP版本？如果您使用的是13.1或13.0，則不會獲得袋裝公式依賴項，只是公式的最高級別。傳遞依賴公式解決方案僅在13.2中出現。
此外，使用神經網絡集合可能會生成非常大的模型。如果代碼大小成為一個問題，請期待14.1，您將能夠使用基於矩陣的神經網絡（又名“快速公式”），它們既快又小。
Re：Bagged模型預測問題你好，約翰，
回到原始輸入不確定你的意思 - 部署模型的全部意義是能夠處理生產管道中的新輸入。
你的意思是，能夠再次運行套袋算法並根據新數據擬合新的“袋子”，然後獲得新模型的平均值？
此外，我注意到代碼生成時出錯，指向缺少對運算符“Mean”的支持。我將在未來的版本中考慮添加對它的支持，但同時你可以通過實現在其位置生成的佔位符方法來添加對它的支持。
問候，
Nascif
