Guida per i nodi della rete neurale: nodo interno / i contro nodo nascosto / i esterno / i?Sto aiutando un cliente con una valutazione Pro e stiamo esaminando il secondo "Fondamentale della Predicitve Analytics con JMP". Nella pagina 252, forniscono le linee guida per determinare il numero di nodi. JMP può avere il layer di input (X), uno o 2 layer nascosti e il layer di output (Y). Le loro raccomandazioni considerano il numero di nodi di output per variabili categoriali:
"Il numero di nodi nel livello di output dipende dal problema. Per prevedere una singola variabile continua o binaria, utilizzare un nodo di output. Per una variabile categoriale con cinque livelli, utilizzare cinque nodi di output, uno per ogni livello. "
Quindi continuano a parlare delle regole empiriche con i numeri dei nodi di input e output.
Quindi la mia domanda è questa: l'utente deve solo sapere quanti livelli ha per una Y categorica per determinare il numero di nodi? Non sembra esserci alcuna informazione presente nel rapporto neurale in modo ovvio, se ciò che ho detto sopra è vero. Mi sto perdendo qualcosa? Ad esempio, il diagramma ha sempre una casella per Y. Vediamo i livelli nel profiler come profilatori separati, ma questo è ancora solo basato sul numero di livelli nella categoria (quindi è implicito ma non dichiarato).
Ri: Guida per i nodi della rete neurale: nodo interno (i) contro nodo nascosto ed esterno?Laura,
Quella parte delle linee guida sul nodi di output che hai citato dal libro è fuorviante. JMP non chiede all'utente di specificare il numero di nodi per il livello di output; lo fa automaticamente per il tipo di modellazione della variabile di risposta. Cioè, per una risposta continua, NN effettua una previsione di valore numerico. Per una risposta nominale o ordinale NN effettua una serie di previsioni di probabilità, una per ciascun livello di risposta. Il resto del consiglio, come indicato nel libro, è di guidare l'utente nella scelta del numero di nodi nascosti in un livello.
Ri: Guida per i nodi della rete neurale: nodo interno (i) contro nodo nascosto ed esterno?Sembra che sarebbe utile se JMP suggerisse il numero corretto di nodi per una Y categoriale in neurale! O almeno il massimo.
Ri: Guida per i nodi della rete neurale: nodo interno (i) contro nodo nascosto ed esterno?Grazie Peter: sì, mostrando il codice C generato in realtà ha contribuito a spiegare molto di ciò che stava accadendo, dalle variabili fittizie al modo in cui le formule vengono tradotte. Vale la pena ripeterlo!
Ri: Guida per i nodi della rete neurale: nodo interno (i) contro nodo nascosto ed esterno?Laura: Non posso offrire alcuna guida sulla tua domanda originale, ma offrirò un altro pensiero riguardo una valutazione che potrebbe risuonare con la prospettiva? Questi modelli possono essere piuttosto ottusi con molti termini, trasformazioni, ecc. Alcuni dei miei clienti esportano questi modelli in un sistema di produzione come un data warehouse per la categorizzazione di richiedenti prestiti, servizi / prodotti di upselling, ecc. Vedono il Formula Depot Pubblica su C, SQL, Python, ecc. come qualcosa che allevia il dolore di "ottenere il modello da JMP Pro" in qualche altro sistema di destinazione come una buona capacità. Spero che sia di aiuto.
Ri: Guida per i nodi della rete neurale: nodo interno (i) contro nodo nascosto ed esterno?Ogni nodo in un NN corrisponde a una funzione lineare degli ingressi trasformati con la funzione di attivazione non lineare. Ha senso avere un nodo per ogni livello Y, poiché ogni spostamento o discontinuità associato al livello di risposta può essere modellato individualmente (o, probabilmente più precisamente, il contributo dal livello può essere modellato usando un nodo separato). Su una nota non correlata, il modello adattato sarà in grado di prevedere solo i livelli di Y presenti nel modello (indipendentemente dal numero di nodi utilizzati).
