인터랙티브 예측 프로파일 러가 작동하는 신경망 모델.
상황 : 한 회사에서 공정 수율이 약 96 % 인 흰색 폴리머 실외 가구를 생산합니다. 그들은 입력 및 출력 변수를 모델링하기 위해 최소 제곱 회귀를 사용하고 있습니다. 모든 통계적 가정이 고려되지는 않았으며 많은 가정이 충족되지 않아 수율 예측이 부정확합니다.
과제 : 회사는 결과에 확신이 없습니다. 이것은 과적 합으로 인한 것일 수 있으며 차선의 결정으로 이어질 수 있습니다. 이 문제와 함께 주요 입력 요소의 비용이 증가했습니다. 당신의 임무는 변수 변화 효과를 추정하기 위해 대화 형 예측 프로파일 러로 더 강력한 모델을 개발하는 것입니다.
조치 : 신경망을 사용하여 입력 변수의 유연한 함수를 사용하여 응답 변수를 예측합니다. 유효성 검사 기능이있는 신경망은 입력과 응답 사이의 정확한 관계 나 기능적 형식을 반드시 설명 할 필요가 없을 때 사용하기에 좋은 모델이 될 수 있습니다.
결과 : 새로운 신경망 모델은 더 큰 R을가집니다. 2 회귀 모델보다 더 많은 반응 변수의 변동이 예측 변수에 의해 설명 될 수 있음을 의미합니다. 관련 대화 형 예측 프로파일 러 what-if 질문에 답하고 최적 및 최소 설정을 식별 할 수 있습니다.
다음 단계 : 이것은 회사의 초기 관심사를 만족시키고 그들은 예측 프로파일 러의 상호 작용 . 축하합니다. 비즈니스 개선 관리자로 승진하고 다른 많은 중요한 프로젝트를 처리 할 팀이 지정되었습니다.
