具有運行中的互動式預測刻畫器的神經網路模型。
情形：某公司生產白色聚合物戶外家具，製程成品率約 96%。 他們使用最小二乘迴歸來模擬輸入和輸出變數。 並非所有統計假設都經過深思熟慮，其中許多假設未滿足，導致產量預測不準確。
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導致的，並導致次優決策。 除了這個問題之外，主要投入要素的成本也有所增加。 您的任務是使用互動式預測刻畫器開發更強大的模型來估計變數變化的影響。
操作：您可以使用神經網路透過輸入變數的靈活函數來預測反應變數。 當您不一定需要描述函數形式或輸入與反應之間的確切關係時，具有驗證功能的神經網路可能是很好的模型。
結果：您的新神經網路模型具有更大的 R 2與迴歸模型相比，這意味著反應變數的更多變化可以由預測變數來解釋。 相關的互動式預測刻畫器允許您回答假設問題並確定最佳和最小設定。
後續步驟：這滿足了公司最初的擔憂，他們對此感到滿意預測刻畫器的互動性。 恭喜您，您被晉升為業務改善經理，並被指派一個團隊來處理許多其他重要專案。
