COMPARACIONES DE MODELOS PREDICTIVOS - REGRESIÓN LINEAL Y RED NEURONALEstoy utilizando JMP PRO 16 para validar los resultados de datos de una simulación de elementos finitos. Quiero utilizar modelos de regresión lineal y modelos de red neuronal y realizar una comparación. Para el modelo de Regresión Lineal, he encontrado que se requieren transformaciones de variables para cumplir con los supuestos de linealidad, normalidad de residuos y varianza constante. Las transformaciones son los términos cuadrados de dos predictores y el logaritmo en base 10 de la variable de respuesta. Esto da resultados aceptables en regresión lineal.
Cuando estoy modelando los mismos datos en una red neuronal, ¿necesito aplicar las mismas transformaciones para los predictores y la variable de respuesta antes de comenzar a modelar?
Sreekumar
AnalíticaRe: COMPARACIONES DE MODELOS PREDICTIVOS - REGRESIÓN LINEAL Y RED NEURONALSimilar a los modelos de regresión, es una buena idea normalizar su respuesta para los modelos de redes neuronales también para obtener el mejor resultado de aprendizaje en el rango de valores de respuesta.La linealización de los factores es menos importante ya que la plataforma de red neuronal de JMP tiene nodos de activación no lineales que utilizan nodos sigmoides y gaussianos.
Re: COMPARACIONES DE MODELOS PREDICTIVOS - REGRESIÓN LINEAL Y RED NEURONALGracias por su rápida respuesta. Procederé en consecuencia para las redes neuronales también.
Sreekumar
Re: COMPARACIONES DE MODELOS PREDICTIVOS - REGRESIÓN LINEAL Y RED NEURONAL¿Cuál es la base para su comparación? No puede usar AICc si tiene diferentes respuestas en los modelos.
¿Cómo estáis validando la selección de cada modelo?
