CONFRONTI DI MODELLI PREDITTIVI - REGRESSIONE LINEARE E RETE NEURALESto utilizzando JMP PRO 16 per convalidare i risultati dei dati da una simulazione di elementi finiti. Voglio utilizzare sia i modelli di regressione lineare che i modelli di reti neurali ed eseguire un confronto. Per il modello di regressione lineare, ho scoperto che le trasformazioni variabili sono necessarie per soddisfare le ipotesi di linearità, normalità dei residui e varianza costante. Le trasformazioni sono i termini quadrati di due predittori e il logaritmo in base 10 della variabile di risposta. Ciò fornisce risultati accettabili nella regressione lineare.
Quando sto modellando gli stessi dati su una rete neurale, devo applicare le stesse trasformazioni per i predittori e la variabile di risposta prima di iniziare la modellazione?
Sekumar
AnaliticaRe: CONFRONTI DI MODELLI PREDITTIVI - REGRESSIONE LINEARE E RETE NEURALESimile per i modelli di regressione, è una buona idea normalizzare la risposta anche per i modelli di rete neurale per ottenere il miglior risultato di apprendimento nell'intervallo di valori di risposta.La linearizzazione dei fattori è meno importante poiché la piattaforma di rete neurale di JMP ha nodi di attivazione non lineare che utilizzano nodi sigmoidei e gaussiani.
Re: CONFRONTI DI MODELLI PREDITTIVI - REGRESSIONE LINEARE E RETE NEURALEGrazie per la vostra tempestiva risposta. Procederò di conseguenza anche per le reti neurali
Sekumar
Re: CONFRONTI DI MODELLI PREDITTIVI - REGRESSIONE LINEARE E RETE NEURALEQual è la base per il tuo confronto? Non puoi utilizzare AICc se hai risposte diverse tra i modelli.
Come state convalidando la selezione di ciascun modello?
Re: CONFRONTI DI MODELLI PREDITTIVI - REGRESSIONE LINEARE E RETE NEURALEOra ho usato Linear Regression , Bootstrap Forest e Neural Network per il modello. Intendo valutare il quadrato R, RASE e AAE per confrontare le prestazioni del modello. Per le prime due opzioni, ho usato il logaritmo in base 10 come trasformazione per la variabile di risposta. Ma per Neural Network , questa trasformazione ha prodotto risultati errati nel confronto del modello.
Inoltre si nota nei modelli Linear Regression e Bootstrap Forest, JMP Pro converte la risposta prevista nel suo valore normale (invece dei valori Log10) prima di salvarla nella tabella dati. Per Neural Network, non ho normalizzato la risposta e ho utilizzato il valore effettivo osservato come Y. Successivamente la piattaforma di confronto dei modelli ha prodotto risultati corretti e questa tabella di confronto è allegata.
Questo approccio è appropriato per questo problema? C'è un modo nella rete neurale per normalizzare i valori di risposta e ottenere i risultati previsti nella forma regolare nella tabella dei dati durante il salvataggio o la pubblicazione della formula di previsione?
