Tous droite. Bonjour tout le monde.
Mon nom est Scott Allen.
Je suis un Systèmes Ingénieur à JMP.
Je suis en allant à être en présentant un neural réseau réglage ajouter- dans
que j'ai développé vraiment à aide développer neural réseau des modèles
dans un automatique chemin à construire beaucoup des modèles,
trouver dehors lequel paramètres sont la plupart efficace dans bâtiment le meilleur modèle.
Quoi Identifiant comme à faire c'est passer juste en revue un peu le contexte
sur motivation pour bâtiment ce ajouter- dans.
Je suis en allant à faire peut être un procédure pas à pas, le description,
qu'est-ce que c'est en allant sur dans le arrière-plan quand toi courir le ajouter- dans
et alors montrer un utiliser cas pour il. UN échantillon flux de travail.
Alors, enveloppe-toi vraiment en haut avec quelques cours appris.
Ce était mon d'abord grand script projet, donc certainement appris un parcelle le long de le chemin.
Je voudrais à partager que et alors comme Bien comme qu'est-ce que c'est suivant.
D'abord, juste je vouloir à prends 3, 4 minutes ici
juste sur le arrière-plan et motivation.
Beaucoup de autre machine plateformes d'apprentissage dans JMP avoir quelques sorte de
paramètre réglage fonction,
si c'est un réglage tableau que toi créer dehors le plate-forme,
comme dans amorcer forêt ou boosté des arbres, ou un intégré réglage conception
comme dans soutien vecteur Machines et le nouveau XGBoost plate-forme.
Mais il y a pas un pour neural réseaux.
Que dirigé à quelques clients avec lequel je travaille en posant des questions à ce sujet.
"Est ce quelque chose c'est disponible?
Sont là scripts dehors là que nous peut utiliser?
Est là un ajouter- dans?"
Là sont un peu des choses dehors là, mais peut être pas tout dans un lieu.
Alors sur un personnel niveau, j'ai jamais entrepris un grand script projet.
j'ai fait quelques petit JSL des scripts pour automatiser flux de travail,
ou à faire le ménage en haut données, mais je avait jamais construit un application.
C'était, je vraiment recherché un projet à aide-moi à apprendre.
je utilisé ce comme un excuse à apprendre JSL.
Le neural réseau plate-forme dans JMP est vraiment puissant,
et donc Je vais juste lancement il vraiment rapide.
Je suis bien sûr si vous avez vu il...
je volonté mention je suis en utilisant JMP PRO version 17.1 .
C'est où tous le essai a arrivé pour ce ajouter- dans.
je avoir pas disparu en arrière beaucoup versions.
je serait suggérer si toi sont en allant à utilisez ceci
toi besoin à avoir JMP PRO et à moins version 17.1.
Le JMP neural plateforme réseau est vraiment puissant
et je juste vouloir à prendre un peu minutes pour aller à travers quoi ce regards comme.
je pense tout le monde a...
Si vous avez utilisé neural les réseaux, vous avez disparu à travers ce flux de travail
et c'est un vraiment bon flexible plate-forme pour développement ces des modèles.
Toi peut commencer désactivé avec un modèle de base et peut être tu es pas satisfait
avec le performance de ton modèle dans ce cas.
Toi peut juste aller dos à le lancement du modèle et toi peut ajuster le paramètres ici.
Toi peut aller et générer un autre modèle.
C'est facile de commencer en changeant ces paramètres
et découverte des modèles que pourrait être le la plupart approprié pour ton système.
Mais là sont un parcelle de choix dans ici.
Vous avez a obtenu différent nombre de nœuds, vous avez a obtenu un ou deux couches,
il y a stimuler choix comme Bien comme un parcelle de différent raccord choix.
Toi ne le faites pas toujours savoir...
C'est pas toujours clair lequel de ces paramètres que vous devez modifier
dans commande à obtenir le meilleur modèle pour le données tableau que tu es fonctionnement dans
et le prédicteurs que tu es en utilisant.
C'est pas toujours clair si ajustement un paramètre
est en allant à plomb à un mieux modèle.
Toi juste ajuster un sd vers le bas, peut être prendre grand pas
à chiffre dehors qu'est-ce que c'est en allant sur.
Cela fait exiger un parcelle de manuel ajustements par le utilisateur
dans commande à générer ces des modèles.
Ils sont joli rapide, donc c'est pas temps- consommant à créer ces
mais c'est d oh exiger un parcelle de clics.
Mon but ici et quelques de mon inspiration était vraiment à fournir un célibataire plate-forme
pour réglage et évaluer ceux neural réseau des modèles.
je était aussi inspiré là étaient quelques réglage scripts dehors là.
pseudo Shelton avait un scénario que serait aide toi construire cette table
et courir il et évaluer ceux des modèles.
Marque Bailey avait développé un ajouter- dans pour ce comme Bien,
et là étaient s ome communauté des postes que étaient en essayant à f figure dehors comment à fais ça.
Ceux étaient tous quelques départ points pour ce ajouter- dans.
Alors je vraiment comme le XGBoost ajouter- dans interface.
C'est vraiment faire le ménage, c'est a obtenu quelques graphique les sorties
et c'est vraiment facile à naviguer et permettons toi auto régler ceux réseaux.
Le ajouter- dans que Je suis développement n'est-ce pas auto réglage,
c'est vraiment plus de un brute forcer méthode.
Juste construire beaucoup de des modèles et alors avoir un graphique interface là
à aidez-vous ou trouver le meilleur un pour ton système.
Allons aller sur et se déplacer sur t o juste quoi le ajouter- dans fait et comment à utiliser il.
À lancement le ajouter- dans, juste comme la plupart ajouter- ins,
toi aller à le ajouter- dans menu, et c'est appelé Neural Réseau Réglage.
Que prend toi à le lancement dialogue.
Ce donne toi un rôle de colonne interface c'est très similaire
à beaucoup autre plates-formes.
Nous peut juste sélectionner tout le monde F notre facteurs ici et notre réponse.
Actuellement, il permet un célibataire Oui réponse,
et il peut être soit continu ou catégorique.
Le ajouter- dans actuellement seulement a le deux validation méthodes,
donc toi peut spécifier un validation colonne avec les deux validation et les tests.
Paramètres si toi avoir que, si toi ne le faites pas, c'est juste en allant à faire un aléatoire retenue,
le défaut pour t il neural réseau.
Alors toi peut spécifier et basculer ou basculer le informatif manquant comme Bien.
Mais Bien juste aller avec ce pour maintenant.
Nous Cliquez sur D'ACCORD, et que prend toi à le réglage lancement.
Ce réglage dialogue, d'abord, donne toi un petit peu de information
à propos qu'est-ce que c'est dans le données tableau et quoi toi spécifié comme colonne les rôles.
Droite maintenant nous avons a obtenu le données tableau ici, le modèle validation méthode,
comme Bien comme si ou pas nous avoir informatif manquant sur ou désactivé.
Alors nous avons a obtenu le BICHE option.
Quoi ce ajouter- dans volonté faire, est regarder à tous le paramètre gammes que vous avez ensemble
et créer un rapide, flexible, espace- remplissage conception.
Vraiment le seulement conception spécification toi besoin
est à ensemble le nombre de essais dans ce conception.
Dans ce cas nous avons a obtenu par défaut c'est en allant à être ensemble à 20,
et il y a quelques règles de pouce.
Peut être toi vouloir à spécifier à moins dix traitements dans ce conception
pour chaque facteur que tu es regarder à, mais c'est complètement en haut à le utilisateur,
et donc Bien viens dos et ajuster que si nous besoin à.
Toi peut aussi reproduire ce conception avec un différent aléatoire graine.
Dans quelques cas si toi vouloir à voir comment robuste toi pourrait être
à certain paramètres, toi peut courir le même neural réseau modèle 20 fois,
mais tous avec différent aléatoire graines à voir comment robuste le modèle est à que.
Alors toi peut basculer si ou pas toi vouloir à voir le BICHE dialogue que montre en haut.
Une fois vous avez disparu à travers le DOE choix ici,
toi peut viens vers le bas à le neural réseau réglage.
je essayé à rester joli vrai à le original plate-forme
dans le neural réseau par en utilisant similaire langue et choix ici.
Ce est où toi allez, un sd plutôt de en précisant un célibataire valeur
pour un de ces paramètres, étaient en allant à spécifier un gamme.
Aussi, Je suis limitant un petit peu le disponible choix
pour le taper de neural réseau que tu es en allant à créer.
Dans ce cas toi peut générer un célibataire caché couche,
toi peut générer deux caché couches, ou un caché couche avec booster.
Actuellement, le neural réseau plate-forme n'a pas permettre
un deuxième couche avec booster.
Si toi essayer à faire que dans le neural réseau plate-forme,
il volonté donner toi un avertissement en disant que c'est en allant à ignorer que deuxième couche.
Dans ce ajouter- dans, je juste faire il donc que toi zéro dehors tous ceux deuxième couches
quand toi Activer booster.
Dans ce cas étaient en allant doigt de pied explorer ce données tableau un peu
et peut-être étaient en allant à ensemble quelques large gamme de réglage paramètres.
Je suis en allant à aller depuis 0-9 sur chaque de ceux fonction d'activation nombre de nœuds.
Sur sur le raccord options, toi ne le faites pas avoir à nécessairement
sais quoi pourrait être meilleur pour ton système, toi peut juste sélectionner eux
à être partie F le BICHE, ou dans le cas
de ceux-ci transformer covariables et robuste ajuster choix.
Toi peut basculer eux à toujours être désactivé, toujours être sur, ou inclure dans le DOE.
Bien inclure les deux de ceux dans le BICHE pour ce exemple.
Peine méthodes.
Toi peut test n'importe lequel ou tous le différent méthodes.
Si toi ne le faites pas spécifier n'importe lequel peine méthode, il volonté courir
le défaut peine méthode au carré.
Mais étaient en allant à vérifier tous de ceux.
Toi peut aussi spécifier le nombre de visites par modèle.
Dans rétrospection, je probablement n'a pas besoin à ajouter ce
mais parce que toi pourrait faire quelque chose similaire par juste réplication tous de le dessins
et voyant le résultats depuis chaque de ceux des modèles.
Mais c'est ici dans cas toi vouloir à ajuster le nombre de tournées.
Toi peut aussi spécifier un aléatoire graine.
Dans ce cas, j'ai obtenu, 3,4,5,6. Six différents facteurs dans ce conception,
et ainsi Je suis juste en allant à peut être tourne t son en haut à 60.
Je suis en allant à créer 60 des modèles.
Avant je Cliquez sur Courir, je suis g oing à parler un petit peu à propos
qu'est-ce que c'est en allant sur quand toi Cliquez sur Courir.
Le d'abord chose que arrive quand tu ou Cliquez sur Courir,
est c'est en allant à créer un facteur tableau avec seulement le choisi paramètres.
Nous le sélectionnons.
Dans ce cas ça va créer un facteur tableau avec célibataire- couche nœuds,
tous de le différent raccord choix.
C'est pas en allant à mettre le deuxième l oui ou n'importe lequel de le stimuler paramètres
dans le facteur tableau.
Alors je suis en allant à créer un tableau de réponses où le entraînement, validation,
et essai R- au carré les valeurs sont spécifiées
un sd alors c'est en allant à combiner ceux dans un célibataire tableau.
Ce est quoi le échantillon DOE tableau volonté regarder comme.
C'est juste en allant à avoir le réponses comme le R- au carré valeurs
et alors tous le différent paramètres.
Alors ces juste obtenir passé dans le neural réseau plates-formes rangée- par- rangée,
et le résultats montrer en haut dans le données tableau.
Juste comme étaient en disant, chaque de ceux court dans le conception est en allant à aller dans le
neural réseau modèle plate-forme séquentiellement et alors nous avoir un petit dialogue boîte
c'est en allant à indiquer le dans l'ensemble processus.
Dans le cas de vraiment long- en cours d'exécution neural les réseaux,
c'est bien à juste voir comment rapidement le entier conception est en allant à aller.
je serait recommander avant en précisant un grand nombre de essais dans ce conception
que toi courir un ou deux devant de temps juste à voir
comment long ils sont en allant à prendre.
Si toi avoir assez petit données ensemble, alors ils aller joli rapidement, mais si toi avoir
un complexe données ensemble, ils peut prendre parfois assez un alors que à courir.
Dans ce cas Je suis juste en utilisant un échantillon données ensemble depuis le échantillon données ensemble bibliothèque.
Ce tablette production.
C'est pas le meilleur données ensemble à courir pour neural réseaux juste parce que
là ne sont pas un entier parcelle de des observations, mais Je suis en utilisant il juste b parce que
le neural réseaux courir vraiment rapide.
Dans ce cas, si étaient satisfait avec tous de le Caractéristiques
que nous avoir dans notre modèle, nous peut juste aller devant et Cliquez sur Courir.
Quoi ce a fait est c'est créé que conception tableau
et maintenant c'est qui passe à travers chaque de ceux essais
en t il neural réseau plate-forme et donnant un sortir.
Si nous regarder à le maison fenêtre, tous ce a fait est c'est pris
que réglage résultat tableau et j'ai caché il
et je juste amène-moi t dehors dans le même fenêtre ici.
Allons juste aller sur à le suivant un.
Nous peut travail à travers que données tableau ici, donc c'est interactif.
Quoi toi d'abord voir en haut ici est graphique constructeur rapport.
T son montre toi tous de ton différent paramètres,
donc le différent Activation les fonctions comme Bien comme le nombre de nœuds
est le échelle, et comment le validation R- au carré changements
avec respect à chaque de ceux individuel paramètres.
Dans le cas de catégorique paramètres, tu es g et un boîte parcelle montrant le différence
dans le valeurs ce chemin.
Nous peut voir dans ce cas peut être pour robuste ajuster,
c'est a obtenu un plus large gamme, mais sur moyenne c'est g oing à être mieux.
Le médian valeur est mieux.
Est plus haut R- au carré.
Nous peut aussi regarder vers le bas ici à le tableau de données,
c'est en allant à trier le données tableau par le validation R- au carré
et il juste nuances ceux un Plus profond violet en fonction, dépendemment sur le valeur.
Allons voir.
On peut utiliser...
Un raison je juste gardé ce données tableau comme il est,
est nous peut explorer il juste comme nous explorer n'importe lequel données tableau dans JMP,
donc toi peut regarder à colonne en-têtes ou toi peut lancement graphique constructeur
ou faire divers analyses sur ce données tableau comme il est droite ici.
Là zone peu supplémentaire données Colonnes ou Colonnes que sont ajoutée
à ce données tableau.
Un, il enregistrements le aléatoire graine.
Si toi vouloir à reproduire ce, toi savoir quoi aléatoire graine a été utilisé
dans générateur le n euro réseau des modèles, montre toi le informatif manquant,
montre toi le écoulé temps pour chaque de le des modèles.
Si toi sont bâtiment grand des modèles ou toi pourrait vouloir à minimiser le r intemporel,
alors toi peut obtenir un estimation o F comment long il pourrait prendre pour toi à courir
supplémentaire des modèles.
nDOE juste enregistrements quoi BICHE était courir.
Ce était le d'abord, donc il obtient un 1.
Comme tu vas voir nous peut courir un deuxième et troisième, et toi peut alors utiliser ceux
comme quelques outils graphiques.
Aussi raconte toi le taper de neural réseau que était courir.
Si il était célibataire- en couches, double- couche,
ou un célibataire- couche avec booster.
Il y a un couple de autre
Colonnes que sont ajoutée.
Ce facteur colonne juste permettons toi garder une trace de le facteurs
que étaient utilisé dans le conception dans cas toi vouloir à comparer des modèles
que avoir différent facteurs que étaient utilisé plutôt de juste paramètres,
et puis aussi un rangée colonne.
Le suivant pas donc nous peut continuer bâtiment dehors.
Peut être dans ce cas étaient explorant le paramètres.
Maintenant nous avons a obtenu un ligne de base de un célibataire neural réseau
et peut être nous vouloir à voir comment ce compare à un deux- couche neural réseau.
Nous peut aller dos à le réglage lancement lequel était juste minimisé.
Toi peut voir que tous de ce rapport, le graphique constructeur rapport
comme Bien comme le tableau sont juste un ppendu à le réglage lancement.
Nous peut aller dos en haut à t son réglage lancement et peut être je vouloir à regarder à
deux caché couches.
Bien aller à deux, et maintenant Je vais mettre dans un gamme de
ceux résultats ou ceux paramètres et garder tout autre le même.
Toi peut voir c'est en allant à précharger le aléatoire graine que je généré
dans le d'abord BICHE juste à faire bien sûr toutes les choses en utilisant le même aléatoire graine.
Bien garder il à 60, même cependant nous pourrait vouloir à augmenter il
par un petit peu depuis nous sommes un dding quelques plus facteurs,
mais garder il simple, Bien juste aller avec 60.
Un autre chose juste à mention est, dans le cas c'est probablement joli
faible probabilité t chapeau tous de ces serait être ensemble à zéro dans un conception,
mais si ils sont ça va juste aller à le défaut avec JMP,
lequel est un célibataire 10H couche.
Toi ne le faites pas avoir à inquiétude à propos ayant un neural réseau avec zéro couches
ou zéro nœuds.
Si étaient satisfait avec ce, étaient juste en allant à Cliquez sur Courir.
Alors que ce est en cours d'exécution, Je suis juste en allant à apporter en haut le maison fenêtre.
Toi peut voir quoi c'est faire.
Nous avons a obtenu notre original réglage résultat tableau ici,
et c'est construit un deuxième t uning résultat tableau,
et quand c'est fait, je t juste ajoute que à notre original tableau.
Maintenant je peut voir dans orange, est tous de ceux deuxième- couche des modèles.
Nous peut voir dans ce cas, peut être ayant deux couches
était pas très bénéfique dans ce cas.
Regards comme dans joli beaucoup tous cas, ceux neural réseaux sont pas comme bien.
Alors peut être juste à rond cette sortie, étaient en allant à aller
et construire des neurones réseaux avec booster.
Booster est un vraiment bon chemin à augmenter le prédiction pouvoir de notre modèle.
Étaient en allant à spécifier quelques stimuler les niveaux depuis 1-10, comme Bien comme
le apprentissage taux depuis 0,1 à 1.
Une fois encore notre aléatoire graine est le même, et ces sont en allant à prendre
un petit peu plus long, donc Je suis juste en allant à diminuer le nombre de court
juste dans le intérêt de temps.
Nous peut Cliquez sur Courir ici, nous obtenir notre dialogue boîte que raconte nous
notre dans l'ensemble progrès, et nous peut voir ces dans le cas
où nous avons probablement a obtenu beaucoup de stimuler, ils pourrait être prise un petit peu de temps.
Dans ce cas stimuler neural les réseaux, ou neural réseaux que avait stimuler
sont maintenant ce violet, et nous peut voir dans joli beaucoup tous le cas
violet est plus haut, en particulier quand il regards comme
nous peut voir par ces boîte parcelles comme Bien.
Alors nous peut aussi voir en t son cas sur ici notre booster.
Peut être nous n'ai pas trouvé le maximum nombre de booste,
il regards comme il continue en allant en haut,
donc nous pourrait vouloir à ajouter quelques supplémentaire stimuler couches ou peut être
notre apprentissage taux est meilleur à ce milieu à haut valeur
plutôt de à le le plus bas apprentissage taux valeurs.
Le suivant chose nous pourrait-on fourmi à faire une fois nous avoir ce initial voir
de notre système, est à courir un peu de ces neural réseaux et comparer eux.
Nous peut faire que un peu façons.
Nous peut regarder dans notre tableau Voici un sd courir ou et sélectionner quelques neural réseaux
basé sur le graphique, et toi peut voir ils sont mise en évidence vers le bas ci-dessous
dans notre données tableau comme Bien.
Peut être quoi nous vouloir à faire est courir le haut quatre ou cinq.
je vouloir à courir le haut cinq.
Je ne avoir à aller dos dans le neural réseau plate-forme à faire ce,
je peut juste courir il par en cliquant ce bouton, courir choisi des modèles.
Maintenant c'est en allant à courir ceux dos dans le neural réseau plate-forme
et donner nous un petit sortir que montre nous le rangée dans notre données tableau que était courir.
Ce est juste le standard neural réseau sortir maintenant.
Nous passer à travers le même aléatoire graine, donc si nous prendre un regarder aux valeurs R au carré,
étaient en allant à obtenir le même neural réseau que était développé
parce que étaient en utilisant que, qui passe à travers que même graine.
Alors nous peut viens à travers et nous peut prendre un regarder à plus...
Soit le plus résumé statistique valeurs ou le réel contre prédit,
ou obtenir le profileurs.
Peu importe nous pourrait vouloir à à faire comparer ces neural réseaux.
Un autre chose nous pourrait vouloir à faire à ce scène
est créer quelques supplémentaire visualisations.
Nous peut aller à travers et nous peut montrer ce réglage tableau.
Si nous ne le faites pas vouloir à travail sur moi t ici, nous peut juste afficher il,
et maintenant nous avons a obtenu un données tableau que nous peut utiliser,
et nous peut aller dans graphique constructeur et peut être nous vouloir à
prendre un regarder à validation contre entraînement R- au carré
juste à voir comment c'est regarder, ou nous peut aller à travers.
Parce que nous avons a obtenu le nombre de BICHE, nous pouvons piste comment notre neural réseaux
avoir amélioré avec notre réglage.
je peut aller dans graphique constructeur et je peut utiliser que nDOE,
et peut être nous vouloir à regarder à formation et validation R-carré,
nous peut tourner sur boîte parcelles et nous peut voir comment notre réglage a progressé sur temps
avec chaque subséquent conception que nous couru.
Autre option est si toi vouloir à faire quelques plus analytique taper analyse ici,
nous peut aller dans dépistage et nous peut courir prédicteur dépistage.
Nous peut prendre tous de ceux paramètres, charger eux dans comme prédicteurs,
et Regarder notre entraînement et validation R- au carré.
Cliquez sur D'ACCORD, et maintenant nous peut voir lequel facteurs pourrait être la plupart influent
dans le entraînement ou validation.
Pas étonnamment, ceux apprentissage les taux et stimuler un concernant bien à ce validation.
Il y a Non fin à quoi analyse toi pourrait vouloir à faire,
sur ici c'est juste quoi ton but de le neural réseau était
et où toi vouloir à aller avec il.
Mais toi peut faire que tous en t son données tableau lequel maintenant a 160 neural réseau des modèles.
Peut être ces neural réseau des modèles prendre un petit peu de temps,
donc un autre chose toi peut faire est nous peut juste sauvegarder ce.
je vouloir à aller déposer, et moi peut sauvegarder ce.
Je suis juste G oing à sauvegarder il à mon ordinateur de bureau comme T uning Résultats.
je peut viens dos à ce plus tard.
Maintenant que j'ai a obtenu il enregistré, Je suis en allant à fermer ce.
Un chose que tu vas obtenir un avertissement, quand toi fermer il.
Toi devrait juste cacher ce données tableau.
Si toi fermer il, c'est en allant à prendre il dehors de le neural réseau plate-forme
et toi ne le fera pas être capable à continuer ton travail,
mais toi peut cacher il.
Quand toi obtenir dos à le ajouter- dans, quand toi fermer ce fenêtre,
c'est juste en allant à rappeler toi .
Tu peux fermer il sans économie ou toi peut Annuler à aller dos et sauvegarder il.
Étaient juste en allant à Cliquez sur D'ACCORD.
Quand je sauvegarder ce réglage tableau pour plus tard, donc quoi je peut faire est,
est maintenant je peut relancer que ajouter- dans et je peut aller dans le réglage ajouter- dans,
Cliquez sur D'ACCORD.
Mais plutôt de réinitialisation n'importe lequel paramètres et en cliquant Courir, je peut aller à Charger.
Quoi je peut faire est je peut charger un précédemment enregistré réglage tableau,
et quoi ce fait est laisser moi dans le cas de neural réseaux
que prendre un long temps, toi ne le faites pas avoir à commencer sur depuis gratter.
Toi peut juste garder bâtiment sur le tableau que toi recherché, ou peut être toi faire
quelques supplémentaire analyses hors ligne et vouloir à viens dos dans
et construire quelques plus des modèles, donc toi peut aller à travers et quand toi spécifier
tous le différent paramètres et nombre de réglage court toi vouloir à avoir,
c'est juste en allant à continuer ajout il à ce tableau.
Avec que allons minimiser ce.
C'est rapide courir à travers d'un ll le différent choix
dans ce réglage tableau.
C'est vraiment un brute forcer chemin.
Toi peut voir il y a Non auto régler. Droite maintenant c'est juste en cours d'exécution
tous ceux différent paramètre combinaisons donnant toi un idée
d'ou ton optimal modèle pourrait être .
Comment toi pourrait travail ce dans ton flux de travail donc toi peut explorer ceux paramètres,
ce est essentiellement quoi nous a fait aujourd'hui.
Nous regardé à célibataire- couche des modèles, nous regardé à des modèles avec deux couches.
Célibataire- couche avec booster.
Un autre chose toi pourrait faire est aller dos et dire,
"W aune, où sont mon optimale des modèles?"
Ils sont ici.
je peut aller dos à le réglage lancement et peut être je vouloir à recréer ceux des modèles
et aller plus vers ce gamme.
Il regards comme j'en suis le milieu gamme ici, est optimale,
donc plutôt de en allant depuis 0-9, peut être je aller depuis 5-7 .
Linéaire des modèles aussi pourrait être meilleur dans le milieu,
et peut être le gaussienne, il y a quelques bien ceux sur le gauche,
donc Bien aller depuis 1-8 ou quelque chose comme que, Sept ou huit.
Alors nous peut regarder à lequel... Dans ce cas, là n'était pas un avantage
à ayant il sur ou désactivé, donc nous pourrait juste avoir ceux désactivé,
ou désactivé ou sur.
Mais il regards comme peut être dans ce cas le poids pourriture était le meilleur méthode,
donc nous pourrait juste inclure que un et alors aller à travers
et construire quelques plus des modèles avec un étroit gamme de ceux paramètres.
Nous peut aussi vérifier paramètre sensibilité à un aléatoire graine.
Dans ce cas nous peut passer à travers soit constante valeurs
o r un étroit gamme.
Toi peut passer à travers un constante ensemble de paramètres
juste par paramètre chaque paramètre égal à chaque autre,
et ça va passer que à travers le neural réseau comme cinq chaque temps,
ou toi peut juste spécifier le min valeur, et que volonté passer il à travers
comme un constante valeur.
Si nous recherché à nous pourrait regarder à
Peut être ça était un neural réseau que était un que nous identifié comme optimale,
mais je vouloir à voir comment robuste il est à le aléatoire graine.
Quoi nous peut faire est nous peut juste dire juste courir il une fois,
mais allons reproduire il avec 20 aléatoire graines.
Que pourrait en fait prendre un petit peu de temps,
donc allons aller vers le bas à dix.
Alors nous peut...
En fait, je ne le faites pas vouloir à faire que sur ce un,
parce que j'ai a obtenu tous ceux autres, mais Bien juste courir ce.
Toi pourrait vouloir à faire ce sur un faire le ménage données tableau
où tu es pas ajouter il à le conception, mais nous peut utiliser b parce que nous avoir
le nombre de Fait nous pourrait trouver où que aléatoire graine était.
Nous peut voir ici, tous le différent aléatoire graines
et je peut aller dans graphique constructeur et je pourrait juste mettre dans
le entraînement et validation R- des carrés, et alors je peut utiliser locale données filtre maintenant
sur mon aléatoire graine à montrer tout sauf le un où nous avait tous ceux.
Maintenant je peut voir comment robuste mon modèle est à que aléatoire graine.
C'est le même conception maintenant courir dix fois,
et donc sur moyenne nous peut voir quoi le médian valeur est
ou le gamme de attendu résultats.
Alors enfin, w e peut charger ceux enregistré données les tables.
Ceux sont vraiment bénéfique pour neural réseaux qui pourraient avoir
vraiment long l'informatique fois, donc toi peut sauvegarder il désactivé
et viens dos à il plus tard.
Ceux sont quelques flux de travail que pourrait être e utile à toi comme toi construire
ton neural réseau des modèles.
je juste vouloir à envelopper en haut avec un peu cours appris.
Ce était le d'abord script projet que je est allé à travers
que développé un application,
et donc je pense ce est joli évident à n'importe qui c'est développé n'importe quel JSL
ou construit n'importe lequel applications, le JMP communauté est vraiment
un inestimable Ressource.
je serait dire 95% de tous mon des questions, je serait juste aller à le communauté
et quelqu'un autre avait un similaire problème.
Vraiment recommander si toi sont intéressé dans bâtiment ajouter- ins,
bâtiment applications, le communauté est vraiment le d'abord lieu à aller.
Vraiment, ton imagination et ton cibles sont le limitant facteur
dans développement ces applications.
UN doublé avec c'est parce que il y a donc beaucoup possibilités,
là était un besoin à garder ce concentré.
Dans ce cas, je juste avoir... je pense dans un itération
je avait beaucoup différent les sorties, différent des graphiques,
mais ils n'étaient pas vraiment le cœur de le application.
Parce que il y a donc beaucoup possibilités, Je vraiment essayé à garder ce concentré
sur juste donnant quelques graphique sortir à naviguer le différent des modèles
et courir eux et identifier lequel pourrait être la plupart approprié.
Qu'est-ce que c'est suivant?
je vraiment vouloir retour.
C'est égoïste, mais c'est quoi je vraiment vouloir.
je serait amour à entendre comment personnes peut utiliser ce, comment c'est bénéficier eux.
Toi peut trouver ce dans le communauté, dans le ajouter- dans section de le communauté.
S'il te plaît sentir gratuit à faire un poste ici, dire moi comment tu es en utilisant il.
je faire avoir un peu connu problèmes, et comme je rassembler plus,
Je suis bien sûr c'est pas 100% bogue- preuve, mais ce volonté être le lieu à aller
à obtenir le actuel version de le ajouter à comme Bien comme comprendre n'importe lequel connu problèmes.
Mais Identifiant amour à entendre comment tu es en utilisant il,
et le communauté est un super lieu à faire que.
je serait aussi comme à entendre idées sur supplémentaire rapports.
je gardé ce joli simple, mais si toi trouver que il y a un rapport
que tu es générateur chaque temps toi courir ce,
Identifiant comme à savoir quoi que est un sd peut être nous peut construire que dans le ajouter- dans.
Je suis aussi en allant à continuer débogage.
Là sont un peu connu problèmes que Je suis fonctionnement à travers droite maintenant,
et alors peut être un plus grand but est à essayer à faire que auto régler.
Plutôt de faire ce brute forcer méthode, peut être commencer dehors avec
un petit numéro o F paramètres, chiffre dehors lequel ceux
zone affectant le réponse le la plupart, et alors ayant un dirigé réglage.
Avec que, Identifiant comme à merci pour écoute à ce présentation.
Ce est un vraiment amusant projet et je espoir toi trouver il utile,
et serait amour à entendre à propos il.
Merci.
