交互式預測探查器在運行的神經網絡模型。
現狀：某公司生產白色聚合物戶外家具，其工藝產率約為96％。他們使用最小二乘回歸對輸入和輸出變量進行建模。並非所有的統計假設都經過仔細考慮，許多假設沒有得到滿足，從而導致產量預測不准確。
任務：公司對他們的結果沒有信心。您懷疑這可能是由於過度擬合而導致次優決策。伴隨著這個問題，主要投入因素的成本增加了。您的任務是使用交互式預測分析器開發一個更強大的模型，以估計變量變化的影響。
行動：您使用神經網絡通過輸入變量的靈活函數來預測響應變量。當您不一定需要描述功能形式或輸入與響應之間的確切關係時，帶有驗證的神經網絡可能是很好的模型。
結果：您的新神經網絡模型具有更大的R 2與回歸模型相比，這意味著預測變量可以解釋響應變量的更多變化。相關的交互式預測分析器使您能夠回答假設問題並確定最佳和最小設置。
後續步驟：這可以滿足公司最初的關注，他們對此感到滿意。預測分析器的交互性。恭喜，您已晉升為業務改進經理，並分配了一個團隊來處理許多其他重要項目。
