312445_it-IT

liliconcom

Individuazione e previsione dei modelli utilizzando i modelli di rete neurale

 

Guarda come:

• Comprendere una rete neurale in funzione di un insieme di input derivati, chiamati nodi nascosti, che sono funzioni non lineari degli input originali
• Interpretare gli input (fattori) e gli output (risposte) del diagramma della rete neurale
• Comprendere i termini e come si applicano alla creazione di reti neurali (nodi, tipo di attivazione, funzioni di attivazione)
• Comprendere i tipi di funzioni di attivazione (TanH, Lineare, Gaussiana, Sigmoide, Identità e Radiale) che trasformano una combinazione lineare delle variabili X ai nodi dei livelli nascosti
• Seguire la sequenza per costruire un modello di rete neurale
  • Modello di lancio (JMP vs. JMP Pro)
  • Specificare # nodi nel primo e nel secondo livello
  • Usa boosting per costruire un modello additivo più grande che si adatti ai residui in scala dei precedenti modelli più piccoli)
  • Specificare il tasso di apprendimento (più vicino a 1 verrà eseguito il modello più velocemente, ma potrebbe tendere a sovraadattarsi)
  • Trasforma le covariate
  • Usa Robust Fit per un output continuo per ridurre al minimo l'impatto dei valori anomali
  • Comprendere come JMP utilizza i metodi di penalità e il numero di tour
  • Seleziona Metodo di penalità (Quadrato, Assoluto, Nessuna penalità) per evitare l'overfitting
  • Seleziona il numero di Tour
• Caso di studio che costruisce una rete neurale per una risposta continua
  • Utilizzare la convalida JMP per evitare l'overfitting
  • Confronta i valori del set di addestramento e del set di convalida
  • Utilizzare Model Launch per modificare le impostazioni della rete neurale
  • Utilizzare Actual by Predicted Plot e Profiler per valutare l'impatto dei predittori sui risultati
• Caso di studio che costruisce una rete neurale per la risposta categoriale
  • Interpreta le statistiche di adattamento, la matrice di confusione, le curve ROC e le curve di sollevamento

 

Risorse:

• Opzioni di controllo dell'estrapolazione in Neural Net Prediction Profiler
• Comprendere i principi per la costruzione di modelli predittivi video

Modellazione predittiva e apprendimento automatico