Scopri di più nel nostro corso online gratuito:
Pensiero statistico per la risoluzione dei problemi industriali
In questo esempio, utilizziamo i dati di Chemical Manufacturing 2. Adattiamo un modello di rete neurale per la risposta categoriale, Prestazione , utilizzando tutti i predittori disponibili e la colonna di convalida. Per questa demo utilizziamo le opzioni disponibili in JMP Pro.
Innanzitutto, selezioniamo Analizza, quindi Modellazione predittiva e quindi Neurale.
Iniziamo aggiungendo Prestazione come la variabile Y, Risposta.
Selezioniamo i due gruppi di variabili predittive come X, Fattore.
Puoi inserire un seme casuale per la riproducibilità, ma non useremo un seme casuale per questo esempio. Quindi, se stai seguendo, i tuoi risultati potrebbero essere leggermente diversi.
Infine, selezioniamo il Convalida colonna come variabile di convalida e fare clic su OK.
Viene fornita una finestra di dialogo di avvio del modello con molte opzioni. Il modello predefinito ha un livello nascosto, con tre nodi che utilizzano la funzione di attivazione TanH.
Adatteremo un modello neurale con due livelli nascosti e diversi nodi.
Per il primo livello, che è il più vicino all'output, utilizzeremo un nodo da ciascuna funzione di attivazione.
Per il secondo livello, che è il più vicino ai predittori, utilizzeremo tre nodi da ciascuna funzione di attivazione.
Faremo clic su Vai per eseguire il modello.
Diamo un'occhiata al diagramma per questo modello. Per fare ciò, selezioniamo Diagram dal triangolo rosso per il modello. Questo modello ha 16 predittori nel livello di input, i due livelli nascosti con diverse funzioni di attivazione e il livello di output.
Poiché abbiamo una risposta categoriale, il modello viene utilizzato per prevedere la probabilità di appartenenza alle due classi di Performance: Accept e Reject.
JMP segnala il tasso di classificazione errata e le matrici di confusione per i dati di addestramento e convalida. Le curve ROC e le curve di portanza sono opzioni del triangolo rosso per il modello.
Puoi vedere che il modello ha prestazioni migliori sui dati di addestramento rispetto ai dati di convalida. Ricorda che le reti neurali tendono a sovradimensionare i tuoi dati. Quando si adatta una rete neurale, è necessario disporre di un set di test per valutare le prestazioni del modello quando viene applicato a nuovi dati.
Per esplorare questo modello, possiamo usare il profiler. Poiché abbiamo una risposta categoriale, selezioneremo Profiler categoriale dal triangolo rosso. Abbiamo molte variabili, quindi le disporremo in righe.
Per fare ciò, selezioniamo Aspetto dal triangolo rosso per il profiler e quindi disponiamo in file. Inseriamo 8 per disporre in due file di otto.
Puoi vedere come cambiano le probabilità previste mentre cambiamo i valori dei predittori. Il profiler mostra anche la natura non lineare di questo modello neurale.
Una rete neurale costruisce un modello utilizzando tutti i predittori.
Vediamo quali dei predittori sono più importanti. Per fare ciò, selezioneremo Valuta importanza variabile dal triangolo rosso per il profiler e selezioneremo la prima opzione, Input uniformi indipendenti. Questo conduce una simulazione per isolare gli effetti dei singoli predittori.
Da questa simulazione, puoi vedere che alcuni dei predittori sono più importanti nel modello di altri.
