312445_it-IT

liliconcom

Scoperta e previsione di modelli utilizzando modelli di rete neurale

 

Scopri come:

• Comprendere una rete neurale come 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 costruzione 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 nei nodi degli strati nascosti
• Segui la sequenza per costruire un modello di rete neurale
  • Modello di lancio (JMP vs. JMP Pro)
  • Specificare # nodi nel primo e nel secondo livello
  • Utilizzare il potenziamento per costruire un modello additivo più grande adattato ai residui in scala dei precedenti modelli più piccoli)
  • Specificare il tasso di apprendimento (un valore più vicino a 1 eseguirà il modello più velocemente, ma potrebbe tendere a adattarsi eccessivamente)
  • Trasformare le covariate
  • Utilizzare Robust Fit per l'output continuo per ridurre al minimo l'impatto dei valori anomali
  • Comprendere come JMP utilizza i metodi di penalità e il numero di tour
  • Selezionare il metodo di penalità (al quadrato, assoluto, nessuna penalità) per evitare un adattamento eccessivo
  • Seleziona il numero di tour
• Caso di studio sulla costruzione di una rete neurale per una risposta continua
  • Utilizzare la convalida JMP per evitare l'overfitting
  • Confrontare i valori del set di training e del set di convalida
  • Utilizzare Lancio modello 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 sulla costruzione di una rete neurale per la risposta categorica
  • Interpretare le statistiche di adattamento, la matrice di confusione, le curve ROC e le curve di sollevamento

 

Risorse:

• Opzioni di controllo dell'estrapolazione nel Profiler di previsione della rete neurale
• Comprensione dei principi per la costruzione di modelli predittivi video

Modellazione predittiva e machine learning