袋装模型预测问题
我正在研究一种神经网络模型，我已经将其打包成一个平均和标准的误差预测列。 我想将它导出到Python，以便客户可以更方便地使用它。 当我生成评分代码时，它会生成所有袋装估算值的平均值。 有没有一种方法可以生成可以回溯到神经网络的原始输入而不是袋装估计列的评分代码？
非常感谢，
约翰
Re：Bagged模型预测问题嗯，我刚想到我们可能会看到不同的东西。您使用的是哪个JMP版本？如果您使用的是13.1或13.0，则不会获得袋装公式依赖项，只是公式的最高级别。传递依赖公式解决方案仅在13.2中出现。
此外，使用神经网络集合可能会生成非常大的模型。如果代码大小成为一个问题，请期待14.1，您将能够使用基于矩阵的神经网络（又名“快速公式”），它们既快又小。
Re：Bagged模型预测问题你好，约翰，
回到原始输入不确定你的意思 - 部署模型的全部意义是能够处理生产管道中的新输入。
你的意思是，能够再次运行套袋算法并根据新数据拟合新的“袋子”，然后获得新模型的平均值？
此外，我注意到代码生成时出错，指向缺少对运算符“Mean”的支持。我将在未来的版本中考虑添加对它的支持，但同时你可以通过实现在其位置生成的占位符方法来添加对它的支持。
问候，
Nascif
