インタラクティブ予測プロファイラーが動作しているニューラルネットワークモデル。
状況：ある会社が、プロセス収率が約96％の白いポリマー製屋外用家具を製造しています。彼らは最小二乗回帰を使用して、入力変数と出力変数をモデル化しています。すべての統計的仮定が熟考されているわけではなく、それらの多くが満たされていないため、歩留まりの予測が不正確になります。
タスク：会社は彼らの結果に自信がありません。これは過剰適合が原因である可能性があり、最適ではない決定につながると思われます。その問題に伴い、主要な投入要素のコストが増加しています。あなたの仕事は、変数の変化の影響を推定するためのインタラクティブな予測プロファイラーを使用して、より堅牢なモデルを開発することです。
アクション：ニューラルネットワークを使用して、入力変数の柔軟な関数を使用して応答変数を予測します。検証付きのニューラルネットワークは、関数形式や入力と応答の正確な関係を必ずしも記述する必要がない場合に使用するのに適したモデルです。
結果：新しいニューラルネットワークモデルのRは大きくなります2回帰モデルよりも、応答変数のより多くの変動が予測変数によって説明できることを意味します。関連するインタラクティブな予測プロファイラーwhat-ifの質問に答え、最適な設定と最小の設定を特定できます。
次のステップ：これは会社の最初の懸念を満たし、彼らは喜んでいます予測プロファイラーの双方向性。おめでとうございます。あなたはビジネス改善マネージャーに昇進し、他の多くの重要なプロジェクトに取り組むチームを割り当てられました。
