ニューラルネットワークでのパフォーマンスのモデリングやあ、
1.1。 多くの場合（一部の場合）、JMP NNのモデリングパフォーマンスは他の場合（Pythonなど）よりも優れています。
昨日、私はJMPとpythonのNNの結果を、半導体関連の会社でそれらのデータ（他のいくつかのデータセット）とテストして比較しました。 R-squareに基づくと、Pythonの結果は70％〜80％でしたが、JMPの結果は95％〜99％でした。
JMPの分析が優れているのはなぜですか？どのような場合にこの結果になりますか？
2.関連する質問。 多くの場合、検証パフォーマンスはトレーニングパフォーマンスよりも優れています。 どのような場合にこの結果になりますか？
明らかに重要な要素がない場合は？ データ数が多くない場合は？ データに同じ値がたくさんある場合は？ ノード数が多い場合は？
私はこれをどのように解釈するのか疑問に思っています。 私を助けてください。 ありがとう。
Re：ニューラルネットワークでのパフォーマンスのモデリング（1）については、簡単な比較ではないと思います。 Pythonには無数のNNパッケージがあると思います。 どちらを使用しましたか？ どのような設定ですか？ また、どのR-squareを比較していますか？ JMPがデータをパーティション分割する場合、Pythonで試すために同じパーティションを使用しますか？等
（2）については、TireTreadデータを試しました。Yは摩耗です。 そして、結果はあなたが観察したものと反対です。 これが私がしたことです。
- 埋め込まれたニューラルスクリプトを使用しますが、摩耗を除くすべてのYを削除します。
- デフォルト設定、Go。
- Training R-sqr、Bootstrapを右クリックし、Fractional Weights、ランダムシード55555を確認します。
- Validation R-sqr、Bootstrapを右クリックし、Fractional Weights、同じランダムシード55555を確認します。
- ブートストラップされたR-sqrを同じテーブルに並べて配置します。 次の式を使用して新しい列を作成します：ValidationRSqr>TrainingRSqr。 列の平均は0.5未満です。 これは、検証R2が平均してトレーニングのものよりも悪いことを意味します。
Re：ニューラルネットワークでのパフォーマンスのモデリングこんにちは鵬、
お客様の質問は少し曖昧ですが、JMPの結果が良かった場合が多いので、この質問をされたと思います。 （Q2）あなたのコメントのように、ブートストラップ関数を使用してチェックすると、トレーニングR-Square値が検証R-Square値よりも大きい確率がはるかに高くなります。
ありがとう
