神經網絡節點指南：內部節點與隱藏節點以及外部節點？我正在幫助客戶進行Pro評估，並且我們正在閱讀“帶有JMP的Predicitve Analytics基礎知識”第二版。在頁252，他們提供了確定節點數的準則。JMP可以具有輸入層（X），一個或兩個隱藏層以及輸出層（Y）。 他們的建議考慮分類變量的輸出節點數：
“輸出層中的節點數取決於問題。要預測單個連續或二進制變量，請使用一個輸出節點。對於具有五個級別的類別變量，請使用五個輸出節點，每個級別一個。
然後，他們繼續討論輸入和輸出節點編號的經驗法則。
所以我的問題是：用戶是否只需要知道分類Y擁有多少級即可確定節點數？如果我上面所說的是正確的，那麼神經報告中似乎沒有任何明顯的信息。我想念什麼嗎？例如，圖中的Y始終有一個框。我們將探查器中的級別視為單獨的探查器，但這仍然僅基於類別中的級別數（因此是隱式的，但未聲明）。
回复：神經網絡節點指南：內部節點與隱藏節點以及外部節點？勞拉，
關於指南的那部分輸出節點您從書中引用的內容具有誤導性。JMP不要求用戶指定輸出層的節點數。它會根據響應變量的建模類型自動執行此操作。即，對於連續響應，NN進行數值預測。對於名義響應或順序響應，NN進行一組概率預測，每個響應級別一個。本書中建議的其余建議是指導用戶選擇數量圖層中的隱藏節點。
回复：神經網絡節點指南：內部節點與隱藏節點以及外部節點？聽起來，如果JMP為神經網絡中的分類Y建議正確的節點數，那將是有幫助的！或至少最大
回复：神經網絡節點指南：內部節點與隱藏節點以及外部節點？謝謝彼得-是的，顯示生成的C代碼實際上有助於解釋很多情況-從虛擬變量到公式的轉換方式。這是一個值得重複的技巧！
回复：神經網絡節點指南：內部節點與隱藏節點以及外部節點？勞拉：對於您的原始問題，我無法提供任何指導，但會否就可能引起潛在客戶共鳴的評估提出另一種想法？這些模型可能帶有很多術語，變換等，因此非常笨拙。我的一些客戶將這些模型導出到生產系統中，例如數據倉庫，以對貸款申請者，追加銷售服務/產品等進行分類。他們看到Formula Depot發佈到C，SQL，Python等。減輕了將模型從JMP Pro中獲取到其他目標系統的痛苦，這是一項不錯的功能。希望這可以幫助。
回复：神經網絡節點指南：內部節點與隱藏節點以及外部節點？NN中的每個節點對應於使用非線性激活函數轉換的輸入的線性函數。每個Y級別都有一個節點是有意義的，因為與響應級別相關聯的任何偏移或不連續都可以單獨建模（或更準確地說，可以使用單獨的節點對來自級別的貢獻進行建模）。無關緊要的是，擬合模型將僅能夠預測模型中的Y級別（與使用的節點數無關）。
