Modellierungsleistung im neuronalen NetzwerkHi,
1. In vielen (einigen?) Fällen ist die Modellierungsleistung von JMP NN besser als die von anderen (z. B. Python).
Gestern habe ich die NN-Ergebnisse von JMP und Python mit ihren Daten (ein paar anderen Datensätzen) in einem Halbleiterunternehmen getestet und verglichen. Basierend auf dem R-Quadrat betrugen die Ergebnisse von Python 70 % bis 80 %, die von JMP jedoch 95 % bis 99 %.
Warum ist die Analyse von JMP besser?In welchen Fällen würde dies resultieren?
2. Verwandte Frage. Häufig ist die Validierungsleistung besser als die Trainingsleistung. In welchen Fällen würde dies resultieren?
Wenn es keinen eindeutig wichtigen Faktor gibt? Wenn die Anzahl der Daten nicht groß ist? Wenn es viele gleiche Werte in Daten gibt? Wenn die Anzahl der Knoten groß ist?
Ich frage mich, wie ich das deuten soll. Bitte hilf mir. Vielen Dank.
Betreff: Modellierungsleistung im neuronalen NetzwerkFür (1) denke ich, dass es kein einfacher Vergleich sein wird. Ich denke, es gibt unzählige NN-Pakete in Python. Welche hast du verwendet? Welche Einstellung? Und welches R-Quadrat vergleichst du? Wenn JMP Daten partitioniert, verwenden Sie dieselbe Partition zum Ausprobieren in Python? usw.
Für (2) habe ich gerade unsere TireTread-Daten ausprobiert, Y ist Abrieb. Und das Ergebnis ist das Gegenteil von dem, was Sie beobachtet haben. Hier ist, was ich getan habe.
- Verwenden Sie das eingebettete neurale Skript, aber entfernen Sie alle Ys außer Abrieb.
- Standardeinstellungen, Los.
- Klicken Sie mit der rechten Maustaste auf Training R-sqr, Bootstrap, aktivieren Sie Fractional Weights, einen zufälligen Seed 55555.
- Klicken Sie mit der rechten Maustaste auf Validierung R-sqr, Bootstrap, überprüfen Sie Bruchgewichte, derselbe Zufallsstartwert 55555.
- Platzieren Sie Bootstrap-R-Quadratzahlen nebeneinander in derselben Tabelle. Erstellen Sie eine neue Spalte mit der Formel: ValidationRSqr > TrainingRSqr. Der Mittelwert der Spalte ist kleiner als 0,5. Das bedeutet, dass die Validierung R2 im Durchschnitt schlechter ist als die Trainings-Validierung.
Betreff: Modellierungsleistung im neuronalen NetzwerkHallo Peng,
Die Frage des Kunden ist etwas vage, aber in vielen Fällen waren die Ergebnisse von JMP ausgezeichnet, also schätze ich, dass sie diese Frage gestellt haben. (F2) Wie in Ihrem Kommentar, wenn ich mit der Bootstrap-Funktion überprüfe, ist die Wahrscheinlichkeit, dass der Training R-Square-Wert größer als der Validation R-Square-Wert ist, viel höher.
Vielen Dank
