무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서는 Chemical Manufacturing 2 데이터를 사용합니다. 우리는 신경망 모델을 적합합니다. 생산하다 이 데모용 JMP 표준 버전에서 사용 가능한 옵션을 사용합니다.
먼저 Analyze, Predictive Modeling, Neural을 차례로 선택합니다.
우리는 추가하여 시작합니다 생산하다 Y, 응답 변수로.
이 비디오에서는 설명을 위해 Vessel Size, Amine Supplier 및 Carbamate Amount의 세 가지 변수만 사용합니다. 이러한 변수를 X, 요인으로 선택하고 확인을 클릭합니다.
검증을 위해 홀드백 부분을 사용합니다. 재현성을 위해 랜덤 시드를 1234로 설정하고 기본 홀드백 부분인 0.333을 사용합니다. 즉, 데이터의 1/3이 검증을 위해 모델 구축에서 제외됩니다.
JMP의 표준 버전에서는 하나의 은닉층과 TanH 활성화 함수로 신경 모델을 맞출 수 있습니다. 기본 모델에는 은닉층에 3개의 노드가 있습니다.
이 모델에 맞게 이동을 클릭합니다.
이 모델의 다이어그램을 살펴보겠습니다. 이를 위해 모델의 빨간색 삼각형에서 Diagram을 선택합니다. 이 모델은 입력 레이어에 세 개의 변수, 세 개의 노드가 있는 하나의 은닉 레이어, 출력 레이어에 변수가 있습니다.
훈련 및 홀드아웃 검증 데이터에 대한 통계가 제공됩니다. 이 모델의 경우 RMSE는 2.73이고 RSquare는 0.233입니다.
이 모델에 대한 매개변수 추정치를 살펴보겠습니다. 추정치를 표시하기 위해 모델의 빨간색 삼각형에서 추정치 표시를 선택합니다.
은닉층과 출력층에 대한 매개변수 추정치가 있습니다.
은닉층의 각 노드에 대해 각 입력 변수에 대한 절편 및 매개변수 추정값이 있습니다. 연속 예측 변수(Carbamate Amount)에 대한 하나의 매개변수 추정값과 2단계 범주형 예측 변수(Amine Supplier)에 대한 하나의 매개변수 추정값이 있습니다. 선박 크기에는 세 가지 수준이 있으므로 두 가지 매개변수 추정치가 있습니다.
이러한 추정치가 수율을 예측하는 데 어떻게 사용되는지 확인하기 위해 모델의 빨간색 삼각형에서 수식 저장을 선택합니다.
이것은 은닉층의 각 노드에 대한 열을 저장하고 예측된 수율에 대한 열도 저장합니다. 은닉층 중 하나의 공식을 보면 TanH 함수가 사용되었음을 알 수 있습니다.
예측 수율에 대한 공식을 살펴보겠습니다. 이것은 단순히 은닉층에 있는 각 노드의 출력을 선형 결합한 것임을 알 수 있습니다.
이 모델을 탐색하기 위해 예측 프로파일러를 사용할 수 있습니다. 이를 위해 모델의 빨간색 삼각형에서 프로파일러를 선택합니다.
예측 변수의 값을 변경함에 따라 예측 수확량이 어떻게 변경되는지 확인할 수 있습니다.
