J'ai rencontré un problème, j'utilise "Réseau Nuetural" pour faire de la prédiction et j'essaie différentes combinaisons de fonction d'activation. J'ai mis le randomseed = 7. afin que chaque redémarrage du modèle génère le même résultat que celui qui suit.
Mais s'il ne s'agit pas de redémarrer mais d'exécuter à nouveau dans la même fenêtre en utilisant "réexécuter" et non "redémarrer", le résultat est différent à chaque fois. Je me demande donc quelle est la cause du résultat aléatoire.
Ok, donc juste pour clarifier ceci est un exemple avec Big Class:
Open( "$SAMPLE_DATA/Big Class.jmp" );
Neural(
Y( :weight ),
X( :age, :sex, :height ),
Informative Missing( 0 ),
Validation Method( "Holdback", 0.3333 ),
Set Random Seed( 7 ),
Fit( NTanH( 3 ) ),
Fit( NTanH( 3 ) )
);
C'est ce que vous obtenez si vous répétez "Go" dans la boîte de dialogue de lancement du modèle de réseau neuronal. Nous avons défini une valeur aléatoire de 7, mais les deux modèles sont différents. Si nous "refaisons" cette analyse, nous obtenons exactement le même résultat pour les deux modèles.
Oui, je vois que vous ne vous attendez pas à cela.
Avec les réseaux neuronaux, l’ajustement est de nature aléatoire. Définir la graine aléatoire garantit que ce comportement aléatoire peut être reproduit. Cependant, il y a toujours une randomisation entre les instances du lancement du modèle. Vous pouvez voir que cette randomisation est également reproduite en définissant la graine aléatoire.
Est-ce un problème? Avez-vous besoin que les occurrences répétées du modèle tiennent dans le même dialogue pour être exactement les mêmes? Je ne peux pas imaginer pourquoi cela serait utile?
Cordialement,
Phil
