312445_ko-KR

liliconcom

신경망 모델을 사용하여 패턴 발견 및 예측

 

방법 보기:

• 원래 입력의 비선형 함수인 숨겨진 노드라고 하는 파생 입력 집합의 함수로 신경망을 이해합니다.
• 신경망 다이어그램 입력(인자) 및 출력(응답) 해석
• 신경망 구축에 용어 및 적용 방법 이해(노드, 활성화 유형, 활성화 기능)
• 은닉층의 노드에서 X 변수의 선형 조합을 변환하는 활성화 함수 유형(TanH, Linear, Gaussian, Sigmoid, Identity, Radial) 이해
• 신경망 모델 구축 순서를 따르십시오.
  • 출시 모델(JMP vs. JMP Pro)
  • 첫 번째 및 두 번째 레이어에서 # 노드 지정
  • 부스팅을 사용하여 이전의 더 작은 모델의 스케일링된 잔차에 맞는 더 큰 가법 모델을 구축)
  • 학습률 지정(1에 가까울수록 모델이 더 빨리 실행되지만 과적합되는 경향이 있을 수 있음)
  • 공변량 변환
  • 연속 출력에 Robust Fit을 사용하여 이상값의 영향 최소화
  • JMP가 페널티 방식과 투어 횟수를 사용하는 방법 이해
  • 과적합을 방지하기 위해 페널티 방법(제곱, 절대, 페널티 없음)을 선택합니다.
  • 투어 수 선택
• 지속적인 응답을 위한 신경망 구축 사례 연구
  • JMP 유효성 검사를 사용하여 과적합 방지
  • 훈련 세트와 검증 세트 값 비교
  • Model Launch를 사용하여 신경망 설정 변경
  • Actual by Predicted Plot 및 Profiler를 사용하여 예측자가 결과에 미치는 영향 평가
• 범주형 응답을 위한 신경망 구축 사례 연구
  • 적합 통계, 혼동 행렬, ROC 곡선 및 리프트 곡선 해석

 

자원:

• 외삽 제어 옵션 신경망 예측 프로파일러에서
• 예측 모델 구축 원칙 이해 동영상

예측 모델링 및 머신 러닝