神经网络和 FDE你好，
我们已经与一位客户联系，该客户将评估 JMP Pro 的神经网络和 FDE。 他有非常精确的问题，例如
1) 神经网络：1a) JMP Pro 与 Keras 和 Tensorflow 的比较。 1b) 我们可以改变节点/层之间的连接 1c) 是否有可用的引导森林（除了提升） 1d) 我们可以量化不确定性。
2) FDE：2a) 是否有样条回归，2b) FDE 中降维的工作原理，2c) FPCA 聚类
作为评论，他是数学家......
感谢您的帮助。
伊曼纽尔
回复：神经网络和 FDE嗨，伊曼纽尔，
其中一些是大问题。 我不是这方面的专家。 但是这里...
1a. 我不太了解这些工具，但我认为您不应该将它们与 JMP Pro 进行比较。 Keras 和 Tensorflow 是神经网络的专用工具。 JMP 中的神经网络只是科学家和工程师通用统计发现工具中的一个平台。
1b. 他们是否希望能够编辑节点之间的单个连接？ 我想知道他们为什么要这样做。 不，我不认为那是不可能的。 如果他们想为预测变量的连接方式定义特定的“路径”，那听起来更像是 SEM。
1c。 我不确定他们的意思。 神经网络的引导森林？ 您可以保存不同的 NN 模型，然后使用 BF 将它们聚合为预测变量。 我认为你需要询问更多细节。 他们为什么要这样做？
1天。 您可以从 NN 引导点预测以生成围绕该预测的置信区间，但我认为没有一种构建整体不确定性区间的好方法。
2a. 我不清楚他们在问什么。 样条拟合是 FDE 过程的一部分。 您需要询问有关他们想用样条回归做什么的更多详细信息。
2b. 你有多久:) ? 我会搜索 Chris Gotwalt 和/或 Ryan Parker 的演讲之一，以获取有关降维的统计详细信息。
2c。 您可以排除 FPC 并使用集群平台。 我假设他们想要找到相似功能的集群。 是没有问题。 他们可以做到这一点。
在我看来，这听起来像是有人试图为 JMP Pro 不适合他们的原因寻找借口，他们将不得不继续使用他们喜欢的现有工具集。 我可能是错的，但我会小心在这上面投入太多时间。
回复：神经网络和 FDE我不想成为这样说的人，但他们只需要 RTFM（阅读该死的手册......）。 许多问题都在文档的统计部分中得到解决。 Chris G. 还撰写了一份关于我们的神经网络功能的白皮书（可在社区中获得）。 它可能有点过时，但我认为基本面仍然健全。
所以，我只想说，“看看文档，它是在线的并且可以完全搜索。 我们的首席数据科学家在社区中有一份很棒的白皮书 - 这是链接。 看看那些，如果你有任何他们没有回答的问题，请告诉我。”
最好的，
米
回复：神经网络和 FDEKeras 是 TensorFlow 的高级 Python 包装器。 TensorFlow 中有 JMP 没有的深度学习神经网络功能，但我相信存在重叠。 我接触 TensorFlow 是在一个项目中，我们使用预训练的卷积神经网络 (CNN) 从图像中自动识别制造零件中的缺陷。 即使 JMP 具有 CNN 功能，我认为我们也无法像使用 TensorFlow 那样快速获得实时监控的结果。 我个人认为我们不需要在这个级别上竞争。 我最近与一些数据科学家进行了互动，他们将 Keras 用于他们认为可以在 JMP 中生成的 NN 模型。 他们喜欢在 JMP 中生成模型与在 Python 中生成脚本的速度有多快。 他们还喜欢没有数据科学和脚本背景的人可以参与建模工作的想法。 我相信这是我们可以竞争并获胜的地方。
回复：神经网络和 FDE你好迈克，我很抱歉，因为我错过了这个宝贵的资源。 自第 9 版以来仍然有效吗？或者sinve v16是否有任何修改/改进？谢谢你。 伊曼纽尔
回复：神经网络和 FDE我会这么想。 我不记得过去几年有任何重大变化。
米
回复：神经网络和 FDE太好了谢谢。
