交互式预测探查器在运行的神经网络模型。
现状：某公司生产白色聚合物户外家具，其工艺产率约为96％。他们使用最小二乘回归对输入和输出变量进行建模。并非所有的统计假设都经过仔细考虑，许多假设没有得到满足，从而导致产量预测不准确。
任务：公司对他们的结果没有信心。您怀疑这可能是由于过度拟合而导致次优决策。伴随着这个问题，主要投入因素的成本增加了。您的任务是使用交互式预测分析器开发一个更强大的模型，以估计变量变化的影响。
行动：您使用神经网络通过输入变量的灵活函数来预测响应变量。当您不一定需要描述功能形式或输入与响应之间的确切关系时，带有验证的神经网络可能是很好的模型。
结果：您的新神经网络模型具有更大的R 2与回归模型相比，这意味着预测变量可以解释响应变量的更多变化。相关的交互式预测分析器使您能够回答假设问题并确定最佳和最小设置。
后续步骤：这可以满足公司最初的关注，他们对此感到满意。预测分析器的交互性。恭喜，您已晋升为业务改进经理，并分配了一个团队来处理许多其他重要项目。
