具有运行中的交互式预测刻画器的神经网络模型。
情况：某公司生产白色聚合物户外家具，工艺成品率约为 96%。 他们使用最小二乘回归来模拟输入和输出变量。 并非所有统计假设都经过深思熟虑，其中许多假设未得到满足，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导致的，并导致次优决策。 除了这个问题之外，主要投入要素的成本也有所增加。 您的任务是使用交互式预测刻画器开发更强大的模型来估计变量变化的影响。
操作：您可以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函数形式或输入与响应之间的确切关系时，具有验证功能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，这意味着响应变量的更多变化可以由预测变量来解释。 相关的交互式预测刻画器允许您回答假设问题并确定最佳和最小设置。
后续步骤：这满足了公司最初的担忧，他们对此感到满意预测刻画器的交互性。 恭喜您，您被晋升为业务改进经理，并被指派一个团队来处理许多其他重要项目。
