無料のオンライン コースで詳細をご覧ください。
産業問題解決のための統計的思考
この例では、Chemical Manufacturing 2 のデータを使用します。 カテゴリ応答のニューラル ネットワーク モデルを適合させます。パフォーマンス、使用可能なすべての予測子と検証列を使用します。 このデモでは、JMP Pro で利用可能なオプションを使用します。
まず、[分析]、[予測モデリング]、[ニューラル] の順に選択します。
追加することから始めますパフォーマンスY、応答変数として。
予測変数の 2 つのグループを X, Factor として選択します。
再現性のためにランダム シードを入力できますが、この例ではランダム シードを使用しません。 したがって、従う場合、結果はわずかに異なる場合があります。
最後に、検証列を検証変数として指定し、[OK] をクリックします。
[モデルの起動] ダイアログ ボックスが提供され、多くのオプションがあります。 既定のモデルには 1 つの隠れ層があり、TanH 活性化関数を使用する 3 つのノードがあります。
2 つの隠れ層といくつかのノードを持つニューラル モデルを当てはめます。
出力に最も近い最初のレイヤーでは、各アクティベーション関数から 1 つのノードを使用します。
予測子に最も近い 2 番目のレイヤーでは、各活性化関数から 3 つのノードを使用します。
[実行] をクリックしてモデルを実行します。
このモデルの図を見てみましょう。 これを行うには、モデルの赤い三角形から [ダイアグラム] を選択します。 このモデルには、入力層、活性化関数が異なる 2 つの隠れ層、および出力層に 16 の予測子があります。
カテゴリ応答があるため、このモデルを使用して、Accept と Reject の 2 つの Performance クラスのメンバーシップの確率を予測します。
JMP は、トレーニング データと検証データの誤分類率と混同行列を報告します。 ROC 曲線とリフト曲線は、モデルの赤い三角形のオプションです。
検証データよりもトレーニング データの方がモデルのパフォーマンスが優れていることがわかります。 ニューラル ネットワークはデータにオーバーフィットする傾向があることに注意してください。 ニューラル ネットワークを適合させる場合、新しいデータにモデルを適用したときのモデルのパフォーマンスを評価するためのテスト セットが必要です。
このモデルを調べるには、プロファイラーを使用できます。 カテゴリ応答があるため、赤い三角形から [カテゴリ プロファイラー] を選択します。 変数がたくさんあるので、これを行に配置します。
これを行うには、プロファイラーの赤い三角形から [外観] を選択し、行に配置します。 8 を 2 行に並べるために 8 を入力します。
予測子の値を変更すると、予測される確率がどのように変化するかがわかります。 プロファイラーは、このニューラル モデルの非線形性も示します。
ニューラル ネットワークは、すべての予測子を使用してモデルを構築します。
どの予測子が最も重要か見てみましょう。 これを行うには、プロファイラーの赤い三角形から [Assess Variable Importance] を選択し、最初のオプションである [Independent Uniform Inputs] を選択します。 これにより、シミュレーションが実行され、個々の予測変数の効果が分離されます。
このシミュレーションから、一部の予測子がモデル内で他のものよりも重要であることがわかります。
