神经网络节点指南：内部节点与隐藏节点以及外部节点？我正在帮助客户进行Pro评估，并且我们正在阅读“带有JMP的Predicitve Analytics基础知识”第二版。在页252，他们提供了确定节点数的准则。JMP可以具有输入层（X），一个或两个隐藏层以及输出层（Y）。 他们的建议考虑分类变量的输出节点数：
“输出层中的节点数取决于问题。要预测单个连续或二进制变量，请使用一个输出节点。对于具有五个级别的类别变量，请使用五个输出节点，每个级别一个。
然后，他们继续讨论输入和输出节点编号的经验法则。
所以我的问题是：用户是否只需要知道分类Y拥有多少级即可确定节点数？如果我上面所说的是正确的，那么神经报告中似乎没有任何明显的信息。我想念什么吗？例如，图中的Y始终有一个框。我们将探查器中的级别视为单独的探查器，但这仍然仅基于类别中的级别数（因此是隐式的，但未声明）。
回复：神经网络节点指南：内部节点与隐藏节点以及外部节点？劳拉，
关于指南的那部分输出节点您从书中引用的内容具有误导性。JMP不要求用户指定输出层的节点数。它会根据响应变量的建模类型自动执行此操作。即，对于连续响应，NN进行数值预测。对于名义响应或顺序响应，NN进行一组概率预测，每个响应级别一个。本书中建议的其余建议是指导用户选择数量图层中的隐藏节点。
回复：神经网络节点指南：内部节点与隐藏节点以及外部节点？听起来，如果JMP为神经网络中的分类Y建议正确的节点数，那将是有帮助的！或至少最大
回复：神经网络节点指南：内部节点与隐藏节点以及外部节点？谢谢彼得-是的，显示生成的C代码实际上有助于解释很多情况-从虚拟变量到公式的转换方式。这是一个值得重复的技巧！
回复：神经网络节点指南：内部节点与隐藏节点以及外部节点？劳拉：对于您的原始问题，我无法提供任何指导，但会否就可能引起潜在客户共鸣的评估提出另一种想法？这些模型可能带有很多术语，变换等，因此非常笨拙。我的一些客户将这些模型导出到生产系统，例如数据仓库，以对贷款申请者，追加销售服务/产品等进行分类。他们看到Formula Depot发布到C，SQL，Python等。减轻了将模型从JMP Pro中获取到其他目标系统的痛苦，这是一项不错的功能。希望这可以帮助。
回复：神经网络节点指南：内部节点与隐藏节点以及外部节点？NN中的每个节点对应于使用非线性激活函数转换的输入的线性函数。每个Y级别都有一个节点是有意义的，因为与响应级别相关联的任何偏移或不连续都可以单独建模（或更准确地说，可以使用单独的节点对来自该级别的贡献进行建模）。无关紧要的是，拟合模型将仅能够预测模型中的Y级别（与使用的节点数无关）。
