가중치 신경망?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />한 고객이 신경망에 대해 나에게 질문했습니다.
" 저는 신경망을 사용하여 모델 피팅을하고 있습니다. 특정 상황에서 분류 오류를 최소화하기 위해 '가중치'를 사용하고 싶습니다. JMP에서 '무게'를 어떻게 사용합니까? JMP 신경망 모델링에는 '주파수'옵션이 있습니다. 가중치와 관련이 있습니까? 어떤 도움이라도 정말 감사하겠습니다. "
물론, 신경망의 작동 원리에 대한 저의 이해는 매우 기초적이며 여기에서 약간의 손실이 있습니다. 회귀 모델에 대한 가중치는 잘 이해하지만 신경망에 관해서는 이해합니다. 누구든지 여기에서 도움이나 지침을 제공 할 수 있습니까?
문안 인사,
에리히
Re : 가중치 신경망?수익 매트릭스 열 속성을 사용하여 잘못된 분류에 비용을 적용하지 않는 이유는 무엇입니까? 개인적으로 가중치를 사용하지 않을 것입니다. 행을 복제하는 것과 유사하기 때문입니다.
Re : 가중치 신경망?안녕 에릭,
고객이 대상 범주가 과소 표시되는 불균형 범주 형 응답 변수를 다루는 것처럼 들립니다.나는 모델 (특히 신경 및 파티션 모델)의 경우 Freq 및 Weight를 멀리하는 경향이 있습니다.데이터가 충분한 경우이를 처리하는 일반적인 방법 중 하나는 더 큰 데이터 세트에서 샘플링하여 대상 범주의 모든 관측치와 다른 범주의 동일한 관측치 수를 선택하는 것입니다.모델은 균형 잡힌 데이터를 기반으로하며 혼동 행렬이이를 반영합니다.확률은 실제 확률을 반영하기 위해 사실 후에 조정됩니다.
이 작업을 수행하는 추가 기능이 있으며 원하는 경우 유효성 검사 세트의 균형도 처리합니다.이를 통해 균형 잡힌 학습 세트 (및 검증 세트)에서 모델을 빌드 할 수 있으며, 모델 비교 및 선택에 불균형 테스트 세트가 사용됩니다. Stratified Data Partitioning (밸런싱 옵션 포함) 추가 기능.
또 다른 접근 방식은 이러한 상황에 대한 혼동 행렬에 대한 다양한 컷오프를 탐색하는 것입니다.이에 대한 추가 기능도 있습니다. 대체 컷오프 혼동 행렬 추가 기능 .
이러한 접근 방식은 Shmueli, Patel 및 Bruce, Data Mining for Business Intelligence에서 설명합니다.첫 번째 접근 방식은 Linoff와 Berry의 데이터 마이닝 기법에서 설명합니다.
참고로-다음 위치에 이러한 편리한 도구 모음을 배치했습니다. 수집 : 데이터 마이닝 도구 추가 기능
도움이 되었기를 바랍니다!원하신다면 기꺼이상의하십시오.
미아
Re : 가중치 신경망?안녕 에릭,
나는 나를 NN의 전문가로 생각하지 않을 것이지만, 신경망에 가중치를 적용하는 방법은 다양하다는 것을 이해합니다. 하나는 Penalty 함수에 가중치를 부여하는 것입니다. 왜냐하면 많은 요인 중 모델의 예측 능력에 더 많은 기여를한다고 생각하기 때문입니다. 이는 Penalty 기능을 절대 또는 가중치 감쇄 (O)로 설정하여 JMP에서 수행 할 수 있습니다. 신경망의 verview )
귀하의 설명에서 이해 한 것은 인공 신경망을 구축하기 위해 전송 함수에 대해 이미 입력에 가중치를 부여하는 데 관심이 있습니다. 내 이해에서 (누군가 나보다 이것을 더 잘 알고 그의 지식을 공유하면 기쁩니다. ) 활성화 함수에서 사용하는 전달 함수에 가중치를 추가하지 않습니다. 흠, 경우에 따라 주파수 변수를 사용하여 일종의 가중치를 얻을 수 있지만 후드 아래에서 이것은 더 높은 중요성을 시뮬레이션하기 위해 하나 이상의 입력을 추가하는 데 사용됩니다. 하지만 구현 된 알고리즘을 조사 할 수 없기 때문에 확신이 없습니다.
이것이 도움이되기를 바랍니다. 그러나 나는 내가 말한 것을 누가 확인하는지보고 싶다.
남자 이름
