Modélisation des performances dans le réseau de neuronesSalut,
1. Dans de nombreux (certains ?) cas, les performances de modélisation de JMP NN sont meilleures que celles des autres (c'est-à-dire python).
Hier, j'ai testé et comparé les résultats NN de JMP et de python avec leurs données (quelques autres ensembles de données) dans une entreprise liée aux semi-conducteurs. Sur la base du R-carré, les résultats de Python étaient de 70 % à 80 %, mais ceux de JMP étaient de 95 % à 99 %.
Pourquoi l'analyse de JMP est-elle meilleure ?Dans quels cas cela résulterait-il ?
2. Question connexe. Souvent, les performances de validation sont meilleures que les performances de formation. Dans quels cas cela résulterait-il ?
Quand il n'y a pas de facteur clairement important ? Lorsque le nombre de données n'est pas grand ? Lorsqu'il y a plusieurs valeurs identiques dans les données ? Lorsque le nombre de nœuds est grand ?
Je me demande comment interpréter cela. Aidez-moi, s'il vous plaît. Merci.
Re : Modélisation des performances dans le réseau de neuronesPour (1), je suppose que ce ne sera pas une comparaison facile. Je suppose qu'il existe d'innombrables packages NN en python. Lequel as-tu utilisé? Quel réglage ? Aussi, quel R carré comparez-vous ? Si JMP partitionne les données, utilisez-vous la même partition pour essayer en python ? etc.
Pour (2), je viens d'essayer nos données TireTread, Y est Abrasion. Et le résultat est à l'opposé de ce que vous avez observé. Voici ce que j'ai fait.
- Utilisez le script Neural intégré, mais supprimez tous les Y, sauf Abrasion.
- Paramètres par défaut, Allez.
- Faites un clic droit Training R-sqr, Bootstrap, vérifiez Fractional Weights, une graine aléatoire 55555.
- Cliquez avec le bouton droit sur Validation R-sqr, Bootstrap, vérifiez les poids fractionnaires, même graine aléatoire 55555.
- Mettez les R-sqr bootstrap côte à côte dans le même tableau. Créez une nouvelle colonne avec la formule : ValidationRSqr > TrainingRSqr. La moyenne de la colonne est inférieure à 0,5. Cela signifie que la validation R2 est inférieure à celle de la formation en moyenne.
Re : Modélisation des performances dans le réseau de neuronesSalut Peng,
La question du client est un peu vague, mais dans de nombreux cas, les résultats de JMP ont été excellents, j'estime donc qu'ils ont posé cette question. (Q2) Comme dans votre commentaire, si je vérifie à l'aide de la fonction bootstrap, la probabilité que la valeur R-Square d'entraînement soit supérieure à la valeur R-Square de validation est beaucoup plus élevée.
Merci
